資訊專欄INFORMATION COLUMN
摘要：基于以上背景，研究人員對(duì)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(cè)模型，識(shí)別出流失概率很高的客戶群體，同時(shí)找出哪些用戶特征對(duì)用戶流失會(huì)有重大影響。
原文鏈接
消費(fèi)者今天會(huì)訂閱多個(gè)電信服務(wù)（電視、付費(fèi)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(chéng)度成為問題。
因此，電信公司主動(dòng)識(shí)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(duì)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(cè)模型，識(shí)別出流失概率很高的客戶群體，同時(shí)找出哪些用戶特征（“X”）對(duì)用戶流失（“Y”）會(huì)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(fèi)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(zhǎng)最快，其次是訂閱游戲業(yè)務(wù)的用戶，而訂閱付費(fèi)節(jié)目的用戶增長(zhǎng)緩慢，同時(shí)流失嚴(yán)重。
相比較16年，用戶凈增長(zhǎng)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(yíng)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(yíng)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(cè)模型
然后，我們使用DT算法分析電信客戶特征的特點(diǎn)，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(duì)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(bǔ)救的效果。
▍技術(shù)
DT(decision tree)用于構(gòu)建、驗(yàn)證和測(cè)試數(shù)據(jù)集的模型。
在Spark / MLLib / Scikit-Learn / HDFS中重構(gòu)實(shí)現(xiàn)處理較大的數(shù)據(jù)集。
▍結(jié)果
模型預(yù)測(cè)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(yíng)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(duì)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(bǔ)救的效果。
文章版權(quán)歸作者所有，未經(jīng)允許請(qǐng)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(qǐng)注明本文地址：http://m.specialneedsforspecialkids.com/yun/25836.html
摘要：基于以上背景，研究人員對(duì)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(cè)模型，識(shí)別出流失概率很高的客戶群體，同時(shí)找出哪些用戶特征對(duì)用戶流失會(huì)有重大影響。 showImg(https://segmentfault.com/img/bVUMPC?w=747&h=384); 原文鏈接 消費(fèi)者今天會(huì)訂閱多個(gè)電信服務(wù)（電視、付費(fèi)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(chéng)度成為...
摘要：基于以上背景，研究人員對(duì)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(cè)模型，識(shí)別出流失概率很高的客戶群體，同時(shí)找出哪些用戶特征對(duì)用戶流失會(huì)有重大影響。 showImg(https://segmentfault.com/img/bVUMPC?w=747&h=384); 原文鏈接 消費(fèi)者今天會(huì)訂閱多個(gè)電信服務(wù)（電視、付費(fèi)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(chéng)度成為...
摘要：基于以上背景，研究人員對(duì)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(cè)模型，識(shí)別出流失概率很高的客戶群體，同時(shí)找出哪些用戶特征對(duì)用戶流失會(huì)有重大影響。 showImg(https://segmentfault.com/img/bVUMPC?w=747&h=384); 原文鏈接 消費(fèi)者今天會(huì)訂閱多個(gè)電信服務(wù)（電視、付費(fèi)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(chéng)度成為...
摘要：如何識(shí)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(shí)間序列數(shù)據(jù)中檢測(cè)到與預(yù)期行為有偏差的數(shù)據(jù)對(duì)于確保系統(tǒng)的正常運(yùn)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(dòng)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(zhǎng)：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 521·2023-04-26 00:33
閱讀 3546·2021-11-24 09:39
閱讀 2940·2021-09-22 15:34
閱讀 2323·2019-08-23 18:07
閱讀 2917·2019-08-23 18:04
閱讀 3706·2019-08-23 16:06
閱讀 2900·2019-08-23 15:27
閱讀 1619·2019-08-23 14:32
