リフトチャートとゲインチャートは、従業員の離職モデルのコンテキストで何を述べているか

したがって、リフトチャートとゲインチャートを従業員の離職率モデル（SPSS ModelerでCHAIDを使用）に適用するため、チャートをさらに理解しようとしています。私のデータでは、これは自発的に退職する人数を予測することを意味します。

以下の参考文献を確認し、解釈に関する基本を説明します。x軸とy軸に何がプロットされているかと、探している理想的な曲線です。私は自分自身の利益を作成し、Excelでグラフを持ち上げる練習もしました。

しかし、これまでに見た例はすべてダイレクトメールキャンペーンに関するものです。これが私のデータにとって何を意味するのか知りたいです。ゲインチャートの場合、データの上位10％をサンプリングすると用語の40％を期待できるのに対し、データの上位60％をサンプリングすると用語の80％が得られるという意味ですか？（40％と60％が値であると想定してください）。もしそうなら、私のターンオーバーモデルのコンテキストでは本当にそれを理解できないので、私はそれからどのような意味を取り除くべきですか？

参照：

データマイニングのリフト測定

リフトチャートとは

http://www2.cs.uregina.ca/~dbd/cs831/notes/lift_chart/lift_chart.html

そのような分析の目標と、それなしで企業が何ができるかを描くことが役立つ場合があります。回転率データが属する会社が、（おそらく）高い回転率に対して何かをしたいとします。2つの可能なアクションを想像できます

1. 一般的に、人々が立ち去る原因を突き止め、これを修正します（十分なヘルスケアがない？チームスピリットがない？）。
2. 離れることを検討している従業員を見つけて、彼らに話しかけ、何が彼らのために特に問題を修正するように駆り立てているのかを見つけます。

では、なぜこれが問題になるのでしょうか。

リフトチャートは、2番目のユースケースで主に重要です。会社が従業員に1対1で話すお金を投資することを決めたが、モデルがないときに何ができるかを想像してみてください。唯一のオプションは、全員または固定サイズのランダムなサンプルで全員と話すことです。すべての潜在的な出発者を特定することの利益にもかかわらず、すべての人と話すことは非常に高価です。しかし、ランダムなサンプルのみが選択されて会話する場合、潜在的な出発者のほんの一部のみが特定され、その間にまだ多くのお金を費やしています。どちらの場合も、脱退防止コストの比率は非常に高くなります。

しかし、適切なモデルが存在する場合、会社は離脱する可能性が最も高い人（モデルに応じてトップスコアのある人）とのみ話をすることを決定できるため、より多くの潜在的な出発者が特定され、それによりコストあたりのコストが最適化されます。-leave-prevention。

こちらの最初の2つの表をもう一度見てください：http : //www2.cs.uregina.ca/~dbd/cs831/notes/lift_chart/lift_chart.html。"customers" = "employees"と "肯定的な回答者" = "潜在的な離職者"であるとしましょう（以下のデータを参照）。

会社が10000人の従業員と話すのに十分なお金しか費やすことができないと決定した場合、それは特定します

• $\frac{20000}{100000}*10000=2000$
• $\frac{6000}{10000}*10000=6000$

つまり

• ファクター改善$\frac{6000}{2000}=3$
• $\frac{10000 * (20000/100000)}{20000}=\frac{10000}{100000}=0.1$

どちらの場合も、x軸は連絡を受けた従業員の割合を示しています。この具体例では10％です。

付録

この質問をリンクの腐敗から独立させるために使用されるデータ。

総合レート

特定された出発者に連絡した従業員の総数
100000 20000

従業員が10000のチャンクで連絡を受けたときのモデルの有効性

特定された出発者に連絡した従業員の総数
10000 6000
20000 10000
30000 13000
40000 15800
50000 17000
60000 18000
70000 18800
80000 19400
90000 19800
100000 20000