資訊專欄INFORMATION COLUMN
摘要：基于以上背景，研究人員對年至今的電信用戶流失數(shù)據(jù)進(jìn)行分析，并建立預(yù)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(wù)（電視、付費節(jié)目、游戲等）。然而電信供應(yīng)商提供的服務(wù)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(yù)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(shù)據(jù)進(jìn)行分析，并建立預(yù)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(shù)據(jù)概覽
使用收視服務(wù)的用戶最多，訂閱付費節(jié)目其次，訂閱游戲業(yè)務(wù)用戶數(shù)量最少。
訂閱收視業(yè)務(wù)的用戶增長最快，其次是訂閱游戲業(yè)務(wù)的用戶，而訂閱付費節(jié)目的用戶增長緩慢，同時流失嚴(yán)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(yè)廳和是否發(fā)放數(shù)字機(jī)頂盒的用戶流失情況。
可以看到相比較發(fā)放了數(shù)字機(jī)頂盒的用戶來說，沒有發(fā)放機(jī)頂盒的用戶更容易流失。
從不同營業(yè)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(yù)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(guān)系，避免 客戶損失或留住客戶，達(dá)到補救的效果。
▍技術(shù)
DT(decision tree)用于構(gòu)建、驗證和測試數(shù)據(jù)集的模型。
在Spark / MLLib / Scikit-Learn / HDFS中重構(gòu)實現(xiàn)處理較大的數(shù)據(jù)集。
▍結(jié)果
模型預(yù)測客戶流失的精度精度達(dá)到93.2%。
影響客戶流失或?qū)Α癥”產(chǎn)生重大影響的關(guān)鍵變量有：
營業(yè)廳的位置
是否發(fā)放數(shù)字機(jī)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(guān)系，避免 客戶損失或留住客戶，達(dá)到補救的效果。
文章版權(quán)歸作者所有，未經(jīng)允許請勿轉(zhuǎn)載,若此文章存在違規(guī)行為，您可以聯(lián)系管理員刪除。
轉(zhuǎn)載請注明本文地址：http://specialneedsforspecialkids.com/yun/40843.html
摘要：基于以上背景，研究人員對年至今的電信用戶流失數(shù)據(jù)進(jìn)行分析，并建立預(yù)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(wù)（電視、付費節(jié)目、游戲等）。然而電信供應(yīng)商提供的服務(wù)的差異化程度不高，客戶忠誠度成為...
摘要：基于以上背景，研究人員對年至今的電信用戶流失數(shù)據(jù)進(jìn)行分析，并建立預(yù)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(wù)（電視、付費節(jié)目、游戲等）。然而電信供應(yīng)商提供的服務(wù)的差異化程度不高，客戶忠誠度成為...
摘要：基于以上背景，研究人員對年至今的電信用戶流失數(shù)據(jù)進(jìn)行分析，并建立預(yù)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(wù)（電視、付費節(jié)目、游戲等）。然而電信供應(yīng)商提供的服務(wù)的差異化程度不高，客戶忠誠度成為...
摘要：如何識別數(shù)據(jù)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(shù)據(jù)中檢測到與預(yù)期行為有偏差的數(shù)據(jù)對于確保系統(tǒng)的正常運行非常重要。局部異常發(fā)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(shù)據(jù)的爆炸式增長：社交媒體數(shù)據(jù)、系統(tǒng)數(shù)據(jù)、CRM數(shù)據(jù)以及大量網(wǎng)絡(luò)數(shù)...
閱讀 2337·2019-08-30 15:44
閱讀 1260·2019-08-30 13:01
閱讀 3306·2019-08-30 11:22
閱讀 3093·2019-08-29 15:23
閱讀 1614·2019-08-29 12:22
閱讀 3366·2019-08-26 13:58
閱讀 3439·2019-08-26 12:17
閱讀 3479·2019-08-26 12:16
