国产xxxx99真实实拍_久久不雅视频_高清韩国a级特黄毛片_嗯老师别我我受不了了小说

資訊專欄INFORMATION COLUMN

拓端數據tecdat:DT模型打好用戶流失預防針——電信客戶流失淺析

jay_tian / 3354人閱讀

摘要:基于以上背景,研究人員對年至今的電信用戶流失數據進行分析,并建立預測模型,識別出流失概率很高的客戶群體,同時找出哪些用戶特征對用戶流失會有重大影響。

原文鏈接

消費者今天會訂閱多個電信服務(電視、付費節目、游戲等)。然而電信供應商提供的服務的差異化程度不高,客戶忠誠度成為問題。

因此,電信公司主動識別有流失傾向的客戶,并采取預防措施來保留這些客戶變得越來越重要。

基于以上背景,tecdat研究人員對16年至今的電信用戶流失數據進行分析,并建立預測模型,識別出流失概率很高的客戶群體,同時找出哪些用戶特征(“X”)對用戶流失(“Y”)會有重大影響。

▍數據概覽

使用收視服務的用戶最多,訂閱付費節目其次,訂閱游戲業務用戶數量最少。

訂閱收視業務的用戶增長最快,其次是訂閱游戲業務的用戶,而訂閱付費節目的用戶增長緩慢,同時流失嚴重。

相比較16年,用戶凈增長37%,然而17年上半年的流失比例相比較去年增加8%。

▍不同維度的流失率比較

我們比較了不同營業廳和是否發放數字機頂盒的用戶流失情況。

可以看到相比較發放了數字機頂盒的用戶來說,沒有發放機頂盒的用戶更容易流失。

從不同營業廳的流失情況來看,沙河站和南口站的流失率最高,昌平站和小湯山站的流失率較低。

▍用戶流失預測模型

然后,我們使用DT算法分析電信客戶特征的特點,并獲得流失客戶的基本特征,分析客戶的行為特征,采取有針對性的措施,改善客戶關系,避免 客戶損失或留住客戶,達到補救的效果。

▍技術

DT(decision tree)用于構建、驗證和測試數據集的模型。

在Spark / MLLib / Scikit-Learn / HDFS中重構實現處理較大的數據集。

▍結果

模型預測客戶流失的精度精度達到93.2%。

影響客戶流失或對“Y”產生重大影響的關鍵變量有:

營業廳的位置

是否發放數字機頂盒

在分析客戶的行為特征之后,我們采取有針對性的措施,改善客戶關系,避免 客戶損失或留住客戶,達到補救的效果。

文章版權歸作者所有,未經允許請勿轉載,若此文章存在違規行為,您可以聯系管理員刪除。

轉載請注明本文地址:http://specialneedsforspecialkids.com/yun/112592.html

相關文章

  • 拓端數據tecdat:DT模型打好用戶流失防針——電信客戶流失淺析

    摘要:基于以上背景,研究人員對年至今的電信用戶流失數據進行分析,并建立預測模型,識別出流失概率很高的客戶群體,同時找出哪些用戶特征對用戶流失會有重大影響。 showImg(https://segmentfault.com/img/bVUMPC?w=747&h=384); 原文鏈接 消費者今天會訂閱多個電信服務(電視、付費節目、游戲等)。然而電信供應商提供的服務的差異化程度不高,客戶忠誠度成為...

    wushuiyong 評論0 收藏0
  • 拓端數據tecdat:DT模型打好用戶流失防針——電信客戶流失淺析

    摘要:基于以上背景,研究人員對年至今的電信用戶流失數據進行分析,并建立預測模型,識別出流失概率很高的客戶群體,同時找出哪些用戶特征對用戶流失會有重大影響。 showImg(https://segmentfault.com/img/bVUMPC?w=747&h=384); 原文鏈接 消費者今天會訂閱多個電信服務(電視、付費節目、游戲等)。然而電信供應商提供的服務的差異化程度不高,客戶忠誠度成為...

    wawor4827 評論0 收藏0
  • 拓端數據tecdat:DT模型打好用戶流失防針——電信客戶流失淺析

    摘要:基于以上背景,研究人員對年至今的電信用戶流失數據進行分析,并建立預測模型,識別出流失概率很高的客戶群體,同時找出哪些用戶特征對用戶流失會有重大影響。 showImg(https://segmentfault.com/img/bVUMPC?w=747&h=384); 原文鏈接 消費者今天會訂閱多個電信服務(電視、付費節目、游戲等)。然而電信供應商提供的服務的差異化程度不高,客戶忠誠度成為...

    周國輝 評論0 收藏0
  • 拓端數據|避開數據海洋的“暗礁”:識別用戶異常行為

    摘要:如何識別數據海洋中的暗礁是用戶行為異常行為分析所要探討的問題。在時間序列數據中檢測到與預期行為有偏差的數據對于確保系統的正常運行非常重要。局部異常發生在這種情況下。例如晚上的高活動意味著異常。 showImg(https://segmentfault.com/img/bVUlDV?w=993&h=526);今天我們見證了數據的爆炸式增長:社交媒體數據、系統數據、CRM數據以及大量網絡數...

    Shonim 評論0 收藏0

發表評論

0條評論

最新活動
閱讀需要支付1元查看
<