电商客户流失模型浅析

末蓝、 2024-04-18 10:19 58阅读 0赞

![aHR0cDovL3RlY2RhdC5jbi93cC1jb250ZW50L3VwbG9hZHMvMjAxNy8wOS8wLTEucG5n][]

## ##

###  ###

## ##

### 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. ###

### ![决策树算法建立电信客户流失模型][aHR0cDovL21tYml6LnFwaWMuY24vbW1iaXpfZ2lmL0Z5Z05EY2lieTNBRENPTGVWWDNnTFFSSkhKd2lhRVZldmF0T1R0bXpJUjNyd1doaWMzcXh0cWR3eGI5TXR1UmliNExURno3aWN4Qzk2UlF4T2FzZkVyaWFGaWJiQS8wP3d4X2ZtdD1naWYmdHA9d2VicCZ3eGZyb209NSZ3eF9sYXp5PTE] ###

### ▼ ###

### ▍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。 ###

### ![aHR0cDovL3RlY2RhdC5jbi93cC1jb250ZW50L3VwbG9hZHMvMjAxNy8wOS8xLTEucG5n][] ###

## ##

### 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。 ###

### ![aHR0cDovL3RlY2RhdC5jbi93cC1jb250ZW50L3VwbG9hZHMvMjAxNy8wOS8yLTEucG5n][] ###

## ##

### 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%。 ###

### ![aHR0cDovL3RlY2RhdC5jbi93cC1jb250ZW50L3VwbG9hZHMvMjAxNy8wOS8zLTEucG5n][] ###

### ▍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。 ###

### ![aHR0cDovL3RlY2RhdC5jbi93cC1jb250ZW50L3VwbG9hZHMvMjAxNy8wOS80LTEucG5n][] ###

### 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。 ###

### ![aHR0cDovL3RlY2RhdC5jbi93cC1jb250ZW50L3VwbG9hZHMvMjAxNy8wOS81LnBuZw][] ###

## ##

### ▍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。 ###

[aHR0cDovL3RlY2RhdC5jbi93cC1jb250ZW50L3VwbG9hZHMvMjAxNy8wOS8wLTEucG5n]: https://imgconvert.csdnimg.cn/aHR0cDovL3RlY2RhdC5jbi93cC1jb250ZW50L3VwbG9hZHMvMjAxNy8wOS8wLTEucG5n
[aHR0cDovL21tYml6LnFwaWMuY24vbW1iaXpfZ2lmL0Z5Z05EY2lieTNBRENPTGVWWDNnTFFSSkhKd2lhRVZldmF0T1R0bXpJUjNyd1doaWMzcXh0cWR3eGI5TXR1UmliNExURno3aWN4Qzk2UlF4T2FzZkVyaWFGaWJiQS8wP3d4X2ZtdD1naWYmdHA9d2VicCZ3eGZyb209NSZ3eF9sYXp5PTE]: https://imgconvert.csdnimg.cn/aHR0cDovL21tYml6LnFwaWMuY24vbW1iaXpfZ2lmL0Z5Z05EY2lieTNBRENPTGVWWDNnTFFSSkhKd2lhRVZldmF0T1R0bXpJUjNyd1doaWMzcXh0cWR3eGI5TXR1UmliNExURno3aWN4Qzk2UlF4T2FzZkVyaWFGaWJiQS8wP3d4X2ZtdD1naWYmdHA9d2VicCZ3eGZyb209NSZ3eF9sYXp5PTE
[aHR0cDovL3RlY2RhdC5jbi93cC1jb250ZW50L3VwbG9hZHMvMjAxNy8wOS8xLTEucG5n]: https://imgconvert.csdnimg.cn/aHR0cDovL3RlY2RhdC5jbi93cC1jb250ZW50L3VwbG9hZHMvMjAxNy8wOS8xLTEucG5n
[aHR0cDovL3RlY2RhdC5jbi93cC1jb250ZW50L3VwbG9hZHMvMjAxNy8wOS8yLTEucG5n]: https://imgconvert.csdnimg.cn/aHR0cDovL3RlY2RhdC5jbi93cC1jb250ZW50L3VwbG9hZHMvMjAxNy8wOS8yLTEucG5n
[aHR0cDovL3RlY2RhdC5jbi93cC1jb250ZW50L3VwbG9hZHMvMjAxNy8wOS8zLTEucG5n]: https://imgconvert.csdnimg.cn/aHR0cDovL3RlY2RhdC5jbi93cC1jb250ZW50L3VwbG9hZHMvMjAxNy8wOS8zLTEucG5n
[aHR0cDovL3RlY2RhdC5jbi93cC1jb250ZW50L3VwbG9hZHMvMjAxNy8wOS80LTEucG5n]: https://imgconvert.csdnimg.cn/aHR0cDovL3RlY2RhdC5jbi93cC1jb250ZW50L3VwbG9hZHMvMjAxNy8wOS80LTEucG5n
[aHR0cDovL3RlY2RhdC5jbi93cC1jb250ZW50L3VwbG9hZHMvMjAxNy8wOS81LnBuZw]: https://imgconvert.csdnimg.cn/aHR0cDovL3RlY2RhdC5jbi93cC1jb250ZW50L3VwbG9hZHMvMjAxNy8wOS81LnBuZw