Ein großer Mobilfunkbetreiber hat ein Modell entwickelt, um Kunden vorherzusagen, die ihren Dienst wahrscheinlich kündigen werden, damit er Anreize zur Kundenbindung anbieten kann. Nach Tests an 100 Kunden lieferte das Modell die gezeigten Bewertungsergebnisse. Warum wäre dieses Modell für den Einsatz in der Produktion akzeptabel?

Die Genauigkeit des Modells beträgt 86 % (86 korrekte Vorhersagen von 100). Falsch-positive Ergebnisse (Kunden, die als abwanderungsgefährdet eingestuft werden, aber nicht abwandern) führen zu unnötigen Anreizen. Falsch-negative Ergebnisse (Kunden, die abwandern, aber nicht als gefährdet erkannt werden) führen zum Verlust des Kunden. Wenn die Kosten für unnötige Anreize (falsch-positiv) geringer sind als die Kosten des Kundenverlusts (falsch-negativ), ist das Modell akzeptabel, da es hilft, teure Kundenabwanderung zu verhindern, auch wenn einige Anreize unnötig sind. Die Präzision (Anteil der korrekt positiven Vorhersagen an allen positiven Vorhersagen) ist hier nicht der entscheidende Faktor für die Akzeptanz in der Produktion, wenn die Kostenaspekte der Fehler dominieren.