Прогнозирование оттока клиентов

Август 5, 2022

Главная
Менеджмент
Прогнозирование оттока клиентов

Содержание

2. Содержание Цели и задачи проекта Методика измерения качества и критерий успеха Техническое описание решения Выводы о
3. Цели и задачи проекта Отток пользователей - одна из наиболее актуальных задач в областях, где распространение
4. Методика измерения качества и критерий успеха Из-за несбалансированности классов имеет смысл использовать метрику ROC-AUC. Метрики такие
5. Техническое описание решения ЭКСПЕРИМЕНТАЛЬНО ИСПОЛЬЗОВАННЫЕ СТРАТЕГИИ
6. Техническое описание решения ДАННЫЕ ОБУЧЕНИЕ МОДЕЛИ ПОДГОТОВКА ДАННЫХ Обработка пропусков Label Encoding Удаление неинформативных признаков LightGBM
7. Выводы о качестве модели Ожидаемый экономический эффект от использования модели МЕТРИКА: ИТОГОВАЯ ОЦЕНКА: КРОССВАЛИДАЦИЯ НА ОБУЧЕНИИ:
9. Скачать презентацию

Слайд 2

Содержание
Цели и задачи проекта
Методика измерения качества и критерий успеха
Техническое описание решения
Выводы

о качестве модели, ожидаемый экономический эффект от использования модели
Подведение итогов

Слайд 3

Цели и задачи проекта
Отток пользователей - одна из наиболее актуальных задач

в областях, где распространение услуги составляет порядка 100%. Ярким примером такой области является сфера телекома. В связи с чем, важным является удержание клиентов, а не привлечение новых.
Решаемая задача - бинарной классификации: отток и не отток.
Разработанная модель прогнозирования позволит находить клиентов, склонных к оттоку по их поведению и для проведения последующих мероприятий(обзвон клиентов и предложение более выгодного тарифного плана или скидка на текущий тарифный план), связанных с удержанием клиентов.

Слайд 4

Методика измерения качества и критерий успеха
Из-за несбалансированности классов имеет смысл использовать

метрику ROC-AUC.
Метрики такие как PR-AUC, accuracy, precision, recall смысла использовать нет, так как эти метрики очень чувствительны к несбалансированности классов.
Процесс тестирования модели лучше проводить на новых данных, возможно AB-тестирование.
Тестировать модель лучше всего рассматривая экономический эффект, так как экономический эффект от внедрения модели будет показывать реальный результат работы, так же это позволит получить детальную информацию о цене ошибок первого и второго рода.
Критерием успешности можно считать увеличение площади ROC-кривой на 15-20% и увеличение экономического эффекта после AB-тестирования.

Слайд 5

Техническое описание решения
ЭКСПЕРИМЕНТАЛЬНО ИСПОЛЬЗОВАННЫЕ СТРАТЕГИИ

Слайд 6

Техническое описание решения
ДАННЫЕ
ОБУЧЕНИЕ МОДЕЛИ
ПОДГОТОВКА ДАННЫХ
Обработка пропусков
Label Encoding
Удаление
неинформативных признаков
LightGBM
Classifier
Настройка гиперпараметров
СХЕМА ЭТАПОВ

ОБРАБОТКИ ДАННЫХ

Слайд 7

Выводы о качестве модели Ожидаемый экономический эффект от использования модели
МЕТРИКА:
ИТОГОВАЯ

ОЦЕНКА:
КРОССВАЛИДАЦИЯ НА ОБУЧЕНИИ:
AUC SCORE(НА ОТЛОЖЕННОЙ ВЫБОРКЕ):
ТОП-6 ПРИЗНАКОВ С НАИБОЛЬШИМ ВКЛАДОМ В МОДЕЛЬ:

AUC-ROC
на отложенной выборке
4 фолда
0.738164
Var125, Var112, Var216, Var188, Var73, Var209

Прогнозирование оттока клиентов

Содержание

СодержаниеЦели и задачи проектаМетодика измерения качества и критерий успехаТехническое описание решенияВыводы

Цели и задачи проектаОтток пользователей - одна из наиболее актуальных задач

Методика измерения качества и критерий успехаИз-за несбалансированности классов имеет смысл использовать

Техническое описание решенияЭКСПЕРИМЕНТАЛЬНО ИСПОЛЬЗОВАННЫЕ СТРАТЕГИИ

Выводы о качестве модели Ожидаемый экономический эффект от использования моделиМЕТРИКА: ИТОГОВАЯ

Похожие презентации

Содержание
Цели и задачи проекта
Методика измерения качества и критерий успеха
Техническое описание решения
Выводы

Цели и задачи проекта
Отток пользователей - одна из наиболее актуальных задач

Методика измерения качества и критерий успеха
Из-за несбалансированности классов имеет смысл использовать

Техническое описание решения
ЭКСПЕРИМЕНТАЛЬНО ИСПОЛЬЗОВАННЫЕ СТРАТЕГИИ

Выводы о качестве модели Ожидаемый экономический эффект от использования модели
МЕТРИКА:
ИТОГОВАЯ