决策树算法建立电信客户流失模型
2017-09-11 23:29
447 查看
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。
大数据部落——中国专业的第三方数据服务提供商,提供定制化的一站式数据挖掘和统计分析咨询服务统计分析和数据挖掘咨询服务 :y0.cn/teradat(咨询服务请联系官网客服)
QQ:3025393450
【服务场景】
科研项目;
公司项目外包。
【大数据部落】提供定制化的一站式数据挖掘和统计分析咨询服务
分享最新的大数据资讯,每天学习一点数据分析,让我们一起做有态度的数据人
微信客服号:lico_9e
QQ交流群:186388004
相关文章推荐
- 数据挖掘案例:建立客户流失模型
- 数据挖掘案例:建立客户流失模型
- 【Paper Note】基于决策树算法的电信运营商客户流失预测
- 商业银行建立客户流失预测模型的方法研究
- 数据挖掘中的预处理——以电信客户流失问题为例
- Cox模型分析客户流失时间
- 哈希表在电信公用电话客户流失分析中的应用
- 大客户流失模型数据项整理
- 哈希表在电信公用电话客户流失分析中的应用
- 客户流失模型
- 金融风控-->客户流失预警模型-->GBDT建模
- 哈希表在电信公用电话客户流失分析中的应用
- 金融风控-->客户流失预警模型-->神经网络建模
- 《大数据精准挖掘》电信行业应用--客户流失预测
- 数据挖掘之客户流失模型
- 金融风控-->客户流失预警模型-->金融数据分析
- 利用数据挖掘实现电信行业客户流失分析
- 金融风控-->客户流失预警模型-->特征工程
- 利用tensorflow训练自己的图片数据(3)——建立网络模型
- 信用卡违约客户的预测模型的选择(四)logistic模型及模型比较