Een grote mobiele netwerkoperator heeft een model gebouwd om klanten te voorspellen die waarschijnlijk hun service zullen opzeggen, zodat het retentie-incentives kan aanbieden. Na het testen op 100 klanten produceerde het model de getoonde evaluatieresultaten. Waarom zou dit model acceptabel zijn om in productie te nemen?

Het model is acceptabel omdat de nauwkeurigheid van 86% hoog is en de bedrijfskosten van vals-positieven lager zijn dan die van vals-negatieven. In dit scenario betekent een vals-positief dat een klant onterecht een retentie-incentive krijgt (een gemiste kans op besparing), terwijl een vals-negatief betekent dat een klant die wel zou opzeggen, geen incentive krijgt en vertrekt (een verloren klant en inkomsten). Het voorkomen van klantverloop (vals-negatieven minimaliseren) is bedrijfskritischer dan het onterecht aanbieden van een incentive (vals-positieven accepteren). De andere opties zijn onjuist omdat ze ofwel de kostenverhouding verkeerd inschatten, ofwel precisie en nauwkeurigheid verwarren.