摘要：基于以上背景，研究人员对年至今的电信用户流失数据进行分析，并建立预测模型，识别出流失概率很高的客户群体，同时找出哪些用户特征对用户流失会有重大影响。
原文链接
消费者今天会订阅多个电信服务（电视、付费节目、游戏等）。然而电信供应商提供的服务的差异化程度不高，客户忠诚度成为问题。
因此，电信公司主动识别有流失倾向的客户，并采取预防措施来保留这些客户变得越来越重要。
基于以上背景，tecdat研究人员对16年至今的电信用户流失数据进行分析，并建立预测模型，识别出流失概率很高的客户群体，同时找出哪些用户特征（“X”）对用户流失（“Y”）会有重大影响。
▼
▍数据概览
使用收视服务的用户最多，订阅付费节目其次，订阅游戏业务用户数量最少。
订阅收视业务的用户增长最快，其次是订阅游戏业务的用户，而订阅付费节目的用户增长缓慢，同时流失严重。
相比较16年，用户净增长37%，然而17年上半年的流失比例相比较去年增加8%。
▍不同维度的流失率比较
我们比较了不同营业厅和是否发放数字机顶盒的用户流失情况。
可以看到相比较发放了数字机顶盒的用户来说，没有发放机顶盒的用户更容易流失。
从不同营业厅的流失情况来看，沙河站和南口站的流失率最高，昌平站和小汤山站的流失率较低。
▍用户流失预测模型
然后，我们使用DT算法分析电信客户特征的特点，并获得流失客户的基本特征，分析客户的行为特征，采取有针对性的措施，改善客户关系，避免 客户损失或留住客户，达到补救的效果。
▍技术
DT(decision tree)用于构建、验证和测试数据集的模型。
在Spark / MLLib / Scikit-Learn / HDFS中重构实现处理较大的数据集。
▍结果
模型预测客户流失的精度精度达到93.2%。
影响客户流失或对“Y”产生重大影响的关键变量有：
营业厅的位置
是否发放数字机顶盒
在分析客户的行为特征之后，我们采取有针对性的措施，改善客户关系，避免 客户损失或留住客户，达到补救的效果。
文章版权归作者所有，未经允许请勿转载,若此文章存在违规行为，您可以联系管理员删除。
转载请注明本文地址：https://www.ucloud.cn/yun/112592.html
摘要：基于以上背景，研究人员对年至今的电信用户流失数据进行分析，并建立预测模型，识别出流失概率很高的客户群体，同时找出哪些用户特征对用户流失会有重大影响。 showImg(https://segmentfault.com/img/bVUMPC?w=747&h=384); 原文链接 消费者今天会订阅多个电信服务（电视、付费节目、游戏等）。然而电信供应商提供的服务的差异化程度不高，客户忠诚度成为...
摘要：基于以上背景，研究人员对年至今的电信用户流失数据进行分析，并建立预测模型，识别出流失概率很高的客户群体，同时找出哪些用户特征对用户流失会有重大影响。 showImg(https://segmentfault.com/img/bVUMPC?w=747&h=384); 原文链接 消费者今天会订阅多个电信服务（电视、付费节目、游戏等）。然而电信供应商提供的服务的差异化程度不高，客户忠诚度成为...
摘要：基于以上背景，研究人员对年至今的电信用户流失数据进行分析，并建立预测模型，识别出流失概率很高的客户群体，同时找出哪些用户特征对用户流失会有重大影响。 showImg(https://segmentfault.com/img/bVUMPC?w=747&h=384); 原文链接 消费者今天会订阅多个电信服务（电视、付费节目、游戏等）。然而电信供应商提供的服务的差异化程度不高，客户忠诚度成为...
摘要：如何识别数据海洋中的暗礁是用户行为异常行为分析所要探讨的问题。在时间序列数据中检测到与预期行为有偏差的数据对于确保系统的正常运行非常重要。局部异常发生在这种情况下。例如晚上的高活动意味着异常。 showImg(https://segmentfault.com/img/bVUlDV?w=993&h=526);今天我们见证了数据的爆炸式增长：社交媒体数据、系统数据、CRM数据以及大量网络数...
阅读 999·2021-09-22 15:24
阅读 2157·2019-08-30 15:44
阅读 2472·2019-08-30 10:55
阅读 3210·2019-08-29 13:25
阅读 1513·2019-08-29 13:09
阅读 1283·2019-08-26 14:05
阅读 1218·2019-08-26 13:58
阅读 1881·2019-08-26 11:57
