באוניברסיטה ישראלית ותיקה, מאות סטודנטים בשנה א' נשרו מדי שנה בשקט, והדבר התגלה רק לאחר שנכשלו בבחינות או הגישו בקשת פרישה. הקדמנו את זיהוי הסיכון בשבועות, לנקודת זמן שבה עדיין ניתן לסייע.
מוסד אקדמי מוביל התמודד עם נשירה שקטה של מאות סטודנטים (בעיקר בשנה א'), שגררה פגיעה קשה הן בהכנסות משכר לימוד והן במוניטין.
הבעיה המרכזית הייתה שכולם גילו את המצב מאוחר מדי. יועצי החוגים ולשכת דיקן הסטודנטים נחשפו לקשיים של סטודנט רק לאחר שנכשל בבחינות סוף הסמסטר או הגיש בקשת פרישה, שלב שבו כבר כמעט בלתי אפשרי להתערב. נורות האזהרה היו שם, אך הן נותרו מפוזרות במערכות מידע שונות: נוכחות בשיעורים, כניסות למערכת הלמידה הדיגיטלית, איחורים בהגשת מטלות ועיכובים בתשלומי שכר לימוד. אף מערכת לא חיברה את הנתונים לתמונה אחת שלמה.
פרופיל בריאות אקדמי אחוד לכל סטודנט, מודל התראה מוקדמת, והתראה לגורם אנושי ברגע שבו עדיין ניתן לסייע.
חיברנו את המערכות האקדמיות, התפעוליות והפיננסיות לפלטפורמת דאטה אחת, ויצרנו עבור כל סטודנט "פרופיל בריאות" דינמי המתעדכן ברציפות, במקום שברי מידע מפוזרים שאף גורם לא יכול היה לראות במבט-על.
המודל מזהה את נורות האזהרה השקטות והמוקדמות, ולא את הסימנים המאוחרים והברורים מאליהם (כמו ירידה של 30% בכניסות לפורטל האקדמי בשילוב אי-הגשת מטלה), ומאתר דפוסי משבר מתהווים שבועות לפני תקופת המבחנים.
במקום ניתוח בדיעבד של סמסטר כושל, המערכת מסמנת סטודנטים שנמצאים במסלול נשירה כשהסמסטר עדיין "חי" וניתן לשנות את התמונה.
ברגע שסטודנט מסומן במערכת, נשלחת התראה למזכירות הפקולטה או ליועץ האקדמי, המציגה תמונת מצב מלאה והמלצה לפעולה, ולא רק נורת אזהרה כללית.
ההמלצה מותאמת אישית לסיבת הקושי: שיחת בירור אישית, הצעה לתגבור לימודי או הסדרת פריסת תשלומים, מה שמבטיח תמיכה ממוקדת לסטודנטים שזקוקים לה באמת.
מערכת ה-AI מציפה מי נמצא בסיכון ובשל מה, בעוד שהגורם האנושי מחליט כיצד לפנות. הקשר נותר אישי ואנושי, והמודל רק מוודא שהפנייה תתבצע בזמן.
תהליך השימור הפך מניתוח נתונים בדיעבד למערך "חי" ויזום.
כבר בשנת ההטמעה הראשונה, שיעור הנשירה בשנה א' צנח ב-25%. הסטודנטים נשארו במסלול הלימודים, והמוסד מנע אובדן משמעותי של הכנסות משכר לימוד.
לשכת הדיקן והיועצים עברו מכיבוי שריפות וניהול משברים בדיעבד לפעילות יזומה וממוקדת מול הסטודנטים שזקוקים לכך, והסטודנטים הרגישו שהמוסד באמת רואה אותם.
זה עובד מכיוון שהמערכת מזהה את נורות האזהרה המוקדמות ולא את הכישלון שכבר קרה, ומכיוון שהפנייה נעשית תמיד על ידי גורם אנושי, מה שמבטיח התערבות רגישה ובזמן. חיזוי המחובר לפעולה אנושית ואכפתית הוא ההבדל בין לוח בקרה יבש של סטודנטים בסיכון לבין שימור בפועל. אותה מתודולוגיה עומדת גם בבסיס פרויקט חיזוי הנטישה שלנו במגזר אחר.
ספקית תוכן ישראלית גדולה איבדה אלפי מנויים בחודש בלי שום התראה. חיזוי נטישה מוקדם עם שימור אוטומטי ומותאם אישית חתך את הנטישה החודשית בכ-25% והעלה שימוש ב-40%.
לפרויקט המלא ← דירוג לידים · פינטקנציגי B2B של פינטק גלובלי הוצפו בלידים לא ממוינים, ואילו עסקאות ארגוניות חיכו ימים והתקררו. העשרת AI ודירוג חזוי העלו המרה ב-47.6% וחתכו את זמן התגובה לליד אסטרטגי ל-5 דקות.
לפרויקט המלא ←