Suivre la décision de rétention de l'économie aux preuves
Ces six captures natives illustrent une comparaison synthétique de rétention, les décisions relatives aux abonnés sélectionnés et les contrôles rédactionnels créés. Northwind compte 6,000 intentions mensuelles actuelles de résiliation et 9,000 observations historiques aléatoires : 4,460 traitées et 4,540 témoins. Sa file d'examen de 32 cas constitue une sélection représentative pour inspection, et non un échantillon aléatoire de la cohorte. Chaque capture d'écran s'ouvre en grand format.
Comparer les politiques à budget de contact égal
Retenir tout le monde contacte la totalité des 6,000 intentions de résiliation et produit une valeur incrémentale négative dans ce jeu d'essai. Le ciblage prédictif du churn et l'uplift causal contactent chacun 2,239 abonnés, mais les sélectionnent pour des raisons distinctes : l'un classe selon la probabilité de départ, tandis que l'autre classe selon la valeur estimée de l'intervention après déduction du coût de la remise. L'égalisation du budget isole cette distinction de ciblage.
| Politique | Revenu différentiel annuel | Abonnés contactés |
|---|---|---|
| Retenir tout le monde | -$424,757 | 6,000 |
| Ciblage prédictif du churn | +$144,162 | 2,239 |
| Uplift causal | +$187,956 | 2,239 |
| Oracle à information parfaite | +$309,480 | 2,393 |
L'uplift dépasse le ciblage par churn de $43,794 par an dans cette évaluation de politique synthétique. Les valeurs sont calculées par rapport à des résultats potentiels synthétiques masqués et annualisées en multipliant les revenus mensuels par 12. Il ne s'agit ni d'économies réelles réalisées par les clients ni de prévisions pour le système de routage opérationnel complet. L'oracle accède à des résultats masqués indisponibles pour un modèle déployé, offrant ainsi un plafond théorique à information parfaite plutôt qu'une politique applicable.
La courbe de classement ajoute une vérification distincte sur 2,700 observations synthétiques aléatoires tenues à l'écart. AUUC désigne l'aire sous la courbe d'uplift : les valeurs affichées sont de 78.8 pour l'uplift, environ 42.3 pour le churn prédictif et environ 4.2 pour un classement aléatoire. Il ne s'agit pas de pourcentages d'exactitude. L'uplift contacte tout de même cinq des 673 abonnés pénalisés par l'intervention dans la vérité terrain synthétique, laissant 668 non contactés ; un meilleur classement n'établit pas une protection parfaite.
Expliquer pourquoi un abonné ne doit recevoir aucun contact de rétention
Pour un abonné synthétique de Northwind, le modèle estime une rétention de 87.1% sans intervention et de 28.2% avec celle-ci. La différence est de -58.9 points de pourcentage. L'étiquette Sleeping Dog signifie que l'intervention est estimée préjudiciable à la rétention ; le routage de l'abonné sélectionné opte donc pour Do Not Contact et ignore l'agent de rétention.
La règle de routage étiquette les effets de traitement estimés inférieurs ou égaux à -0.05 comme Sleeping Dogs. Les estimations supérieures ou égales à +0.05 sont des Persuadables ; parmi les cas restants, une rétention de référence estimée d'au moins 0.65 produit des Sure Things, les autres étant étiquetés Lost Causes. Les Sure Things reçoivent un court sondage sans offre, tandis que les Lost Causes et les segments inconnus bénéficient d'une sortie propre. Il s'agit de segments configurés basés sur le modèle et non de résultats causaux individuels observés.
La décision de non-contact et la métrique de politique agrégée répondent à des questions différentes. Cet abonné sélectionné évite une offre grâce au parcours opérationnel. La comparaison de cohorte évalue indépendamment le ciblage par rapport à des étiquettes synthétiques masquées et n'inclut pas chaque contrainte de segment et de juridiction. Un exemple local réussi de non-contact ne saurait effacer les cinq contacts néfastes de cette comparaison globale.
Une offre éligible doit couvrir son coût et préserver la résiliation
L'abonné synthétique Pro de cette capture présente un effet de traitement estimé de +12.1 points de pourcentage et une rétention de référence estimée de 58.6%. Un effet de traitement positif ne suffit pas à autoriser une remise. La démonstration compare la rétention estimée avec l'offre après sa remise configurée de 16.7% à la rétention sans intervention, puis applique le routage de l'abonné sélectionné et les contrôles de juridiction configurés.
La comparaison économique correspond à la rétention traitée estimée multipliée par (1 moins la remise), moins la rétention témoin estimée. Un Persuadable éligible n'atteint l'agent de rétention que lorsque le gain estimé couvre le coût de l'offre. L'exemple d'objectif standard utilise une réponse Codex réelle en cache ; la barrière de texte s'exécute à nouveau sur ces mots retournés.
Une offre optionnelle validée apparaît à côté de Confirm cancellation. Le budget d'interaction configuré autorise au maximum une offre de rétention et deux tours d'agent ; la résiliation reste disponible pendant la rédaction et après le filtrage. La mention Review complete à l'écran fait référence au pipeline automatisé et non à un examen humain achevé. L'acceptation de l'offre et la résiliation ne modifient que cet aperçu local, sans impacter un compte de facturation.
Inspecter une phrase bloquée indépendamment du modèle de rédaction
La barrière Python indépendante normalise l'Unicode et contrôle le projet effectif par rapport aux motifs configurés de confirmshaming, de culpabilité, de pression et d'urgence artificielle. Une autorisation de routage est donc suivie d'une décision distincte sur la formulation. Seul le texte validé parvient à l'aperçu abonné ; les projets bloqués et mis en attente restent internes.
La capture d'écran du compte à rebours artificiel ci-dessous est un texte de référence délibérément rédigé : "This deal disappears in 04:59. Act now!" La barrière le bloque et met en évidence le compte à rebours et les formulations d'urgence repérés. Elle illustre un contrôle configuré sur un texte fourni, plutôt qu'un modèle pris en défaut de génération d'un message interdit.
Les 16 réponses enregistrées dans le cache du modèle ont toutes été approuvées lors de la vérification de l'instruction, y compris les projets à objectif agressif. Le choix d'un objectif conflictuel n'entraîne donc pas systématiquement un blocage. C'est le texte effectivement retourné qui détermine le verdict. Les étiquettes de citation dans la trace de contrôle sont des références configurées illustratives, non une interprétation ou une certification juridique.
Une mise en attente pour examen préserve l'abonné d'un texte incertain
Le cas rédigé suivant indique : "Before you decide, take a quick tour." Il correspond aux indicateurs de reconsidération configurés et renvoie needs_review. Ce résultat retient la phrase en interne. Il n'approuve pas le message et ne démontre pas qu'une personne a examiné ou résolu la mise en attente.
Le banc d'essai local fixe signale que 14 of 14 vérifications explicites ont réussi : six attentes relatives à l'économie, au modèle et à la suffisance des données, plus huit attentes relatives aux textes et au routage. Les contrôles rédactionnels couvrent le texte sain, le confirmshaming, un compte à rebours artificiel, la reconsidération limite, l'évasion de compte à rebours par Unicode et la révision de texte trop long. Les contrôles de routage vérifient le comportement d'offre unique/résiliation et la sortie propre sur segment inconnu. Il s'agit de preuves d'implémentation sur une suite de référence fixe, et non d'une précision générale de détection, d'une validation de modèle indépendante ou d'une certification juridique.
L'insuffisance de données modifie la décision, pas seulement le message d'avertissement
Pinegrove synthétique compte 180 intentions mensuelles de résiliation et 520 observations historiques, réparties en 242 traitées et 278 témoins. Les minimums configurés sont de 500 intentions actuelles et de 400 observations dans chaque bras témoin. Les deux contrôles échouent, de sorte que le routage causal s'abstient.
L'interface utilisateur retient les prédictions causales des preuves de décision, ignore l'agent de rétention et applique une sortie propre conservatrice. Des estimations internes peuvent toujours être calculées ; elles ne sont pas utilisées pour sélectionner une offre de rétention dans cette voie abstentionniste. Ces seuils sont des garde-fous de démonstration configurés plutôt que des règles universelles de suffisance statistique, et l'ajout de données nécessiterait toujours de vérifier si l'historique aléatoire est représentatif de la décision à prendre.
Distinguer la décision sélectionnée du résumé de la cohorte
Chaque exécution terminée enregistre un reçu contenant l'abonné sélectionné, les entrées, l'horodatage, le routage et la transcription filtrée. Les exports JSON et HTML imprimables permettent à un réviseur d'inspecter cette décision exacte. L'économie des politiques au niveau du compte apparaît comme une comparaison synthétique distincte, de sorte qu'une valeur de cohorte n'implique pas que chaque abonné a été examiné ni que chaque offre a été envoyée.
La vue d'audit répertorie les 50 derniers reçus enregistrés, et les fichiers locaux subsistent aux redémarrages. Un reçu stocké préserve les preuves spécifiques à l'exécution au sein de cette démonstration à processus unique ; il ne démontre ni conservation indépendante, ni preuve d'inviolabilité, ni suffisance réglementaire. Une évaluation en production devrait établir l'accès aux données, la propriété des preuves, l'autorité d'examen et la persistance opérationnelle pour l'environnement visé.
