拓端tecdat|决策树算法建立电信客户流失模型

原文链接：http://tecdat.cn/?p=1603

Consumers will subscribe to multiple telecom services (televisions, paid programs, games, etc.) today. However, the degree of differentiation provided by telecom providers is not high, and customer loyalty becomes a problem.

As a result, it is becoming increasingly important for telecom companies to proactively identify lax-minded customers and take precautions to keep these customers.

Based on the above background, tecdat researchers analyzed the loss of data for 16 years to date and established a prediction model to identify customer groups with high probability of loss and to identify which user characteristics ("X") were lost to users (" Y ") will have a significant impact.

▼

▍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。

拓端tecdat|决策树算法建立电信客户流失模型相关推荐

拓端tecdat荣获2022年度51CTO博主之星
相信技术,传递价值,这是51CTO每一个技术创作者的动力与信念,2022 年度,拓端tecdat 作为新锐的数据分析咨询公司,在51CTO平台上,不断的输出优质的技术文章,分享前沿创新技术,输出最佳生 ...
拓端tecdat荣获掘金社区入驻新人奖
2021年7月,由掘金发起了"入驻成长礼"颁奖活动.本次活动邀请到知名开发者.服务机构代表等业界人士. 据了解,掘金社区"新入驻创作者礼"主要对已经积累了一定历 ...
Kaggle数据集之电信客户流失数据分析（三）之决策树分类
一.导入数据 import pandas as pd df=pd.read_csv(r"D:\PycharmProjects\ku_pandas\WA_Fn-UseC_-Telco-Cust ...
电信客户流失数据分析（二）
任务3 如何判别客户是否为潜在流失对象? 数据集的基本背景以及各特征之间的关系分析可见上一篇博文:电信客户流失数据分析(一) 数据集的输入与预处理(后续所有程序的基础): import seabor ...
R语言_电信客户流失数据分析
1 引言近年来,各行各业往往都会不可避免地面临用户流失的问题.研究表明,发展新用户所花费的宣传.促销等成本显然高于维持老用户的成本,因此,做好"客户流失预警"可以有效降低营销成本 ...
【Clemetine】基于二项Logistic回归的电信客户流失预测
一.实验目的及要求 1.掌握Logistic回归分析的基本步骤.原理.软件实现.结果分析: 2.理解多重共线性的概念.原理及岭轨迹的软件实现: 3.了解高维数据分析的应用领域及分析方法. 二.实验仪器 ...
鱼佬：电信客户流失预测赛方案！
Datawhale干货作者:鱼佬,武汉大学硕士 2022科大讯飞:电信客户流失预测挑战赛赛事地址(持续更新): https://challenge.xfyun.cn/topic/info?type ...
Kaggle数据集之电信客户流失数据分析（一）
分析背景某电信公司市场部为了预防用户流失,收集了已经打好流失标签的用户数据.现在要对流失用户情况进行分析,找出哪些用户可能会流失? 理解数据采集数据本数据集描述了电信用户是否流失以及其相关信息, ...
电信客户流失数据分析（一）
目录来做个数据分析项目^-^ 任务1:探索数据集任务2:哪些输入特征与顾客流失具有关联性? 来做个数据分析项目- 背景:在kaggle网站上发现了这个数据集,就顺手拿来做个数据分析的项目,希望发现 ...
Kaggle数据集之电信客户流失数据分析
分析背景某电信公司市场部为了预防用户流失,收集了已经打好流失标签的用户数据.现在要对流失用户情况进行分析,找出哪些用户可能会流失? 理解数据采集数据本数据集描述了电信用户是否流失以及其相关信息, ...

拓端tecdat|决策树算法建立电信客户流失模型

原文链接：http://tecdat.cn/?p=1603

Consumers will subscribe to multiple telecom services (televisions, paid programs, games, etc.) today. However, the degree of differentiation provided by telecom providers is not high, and customer loyalty becomes a problem.

As a result, it is becoming increasingly important for telecom companies to proactively identify lax-minded customers and take precautions to keep these customers.

Based on the above background, tecdat researchers analyzed the loss of data for 16 years to date and established a prediction model to identify customer groups with high probability of loss and to identify which user characteristics ("X") were lost to users (" Y ") will have a significant impact.

▼

▍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。

拓端tecdat|决策树算法建立电信客户流失模型相关推荐

最新文章

热门文章

拓端tecdat|决策树算法建立电信客户流失模型

原文链接：http://tecdat.cn/?p=1603

Consumers will subscribe to multiple telecom services (televisions, paid programs, games, etc.) today. However, the degree of differentiation provided by telecom providers is not high, and customer loyalty becomes a problem.

As a result, it is becoming increasingly important for telecom companies to proactively identify lax-minded customers and take precautions to keep these customers.

Based on the above background, tecdat researchers analyzed the loss of data for 16 years to date and established a prediction model to identify customer groups with high probability of loss and to identify which user characteristics ("X") were lost to users (" Y ") will have a significant impact.

▼

▍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。

拓端tecdat|决策树算法建立电信客户流失模型相关推荐

最新文章

热门文章

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。

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。