Анализ и класификация на churn-а в телекомуникационни услуги (11-12)

Анализ и класификация на churn в телекомуникационните услуги

Контекст

Churn-ът на клиентите представлява доброволното им отказване от услугите на телекомуникационен оператор. Разбирането на факторите, които влияят на churn-а, е от съществено значение за разработване на стратегии за задържане и за оптимизиране на офертите и услугите.

Изкуственият интелект позволява сложен анализ на данните за клиентите за:

• идентифициране на клиенти с висок риск от отказване
• сегментиране на клиентите според поведение и потребление
• оценяване на въздействието на различни оферти и характеристики върху решението за churn

За решаването на този проблем ще имате на разположение два файла:

• train.csv – съдържа всички променливи, включително Churn, за обучение на моделите
• test.csv – съдържа същите променливи, без колоната Churn, и данните от този файл се използват за генериране на прогнозите

Описание на набора от данни

Изисквания

За този проблем трябва да решите 3 задачи.

Задача 1 – Опростен резултат за финансов риск (20 точки)

Изчислете за всеки клиент от тестовия набор опростен резултат за финансов риск, базиран на стойностите Monthly Charge и Total Extra Data Charges.

• Формула:

1FinancialRiskScore = (Monthly Charge > 70) + (Total Extra Data Charges > 10)

Всеки компонент добавя 1 точка към резултата, ако:

• Monthly Charge > 70: повишен риск от churn поради месечната стойност
• Total Extra Data Charges > 10: допълнителен риск поради допълнителните разходи

Финалният резултат е между 0 и 2.

Задача 2 – Резултат за свързаност и услуги (20 точки)

Изчислете за всеки клиент от тестовия набор резултат, който отразява качеството на услугите въз основа на колоните Avg Speed, Ping Score и Link Quality Index.

• Формула:

1ServiceQualityScore = (Avg Speed < 50) + (Ping Score > 80) + (Link Quality Index < 30)

Всеки компонент допринася с 1 точка към резултата.
Финалният резултат е между 0 (добро преживяване) и 3 (слабо преживяване).

По-точно, ако е изпълнено първото условие (Avg Speed < 50) се добавя 1 точка. Същото важи и за останалите.

Задача 3 – Класификация на churn-а (60 точки)

Постройте модел за класификация, който да предвижда Churn (0 = активен клиент, 1 = клиент, който се е отказал) въз основа на цялата налична информация в train.csv.

• Можете да използвате всички налични колони или можете да изберете най-подходящото подмножество за модела.
• Прогнозите за всеки клиент от test.csv трябва да бъдат 0 или 1.
• Answer във файла за подаване ще бъде 0 или 1 за всеки клиент.

Формат на файла за подаване

Файлът submission.csv трябва да съдържа:

• id - ID-то, взето от test.csv (колоната SampleID)
• subtaskID
  • 1 за Задача 1
  • 2 за Задача 2
  • 3 за Задача 3
• answer - изчислената или предвидената стойност за клиента при указаната задача

Оценяване

• Задача 1 и Задача 2: точно оценяване (сравнение с правилните отговори)
• Задача 3: за оценяването на тази задача се използва метриката AUC

За Задача 3, точките се присъждат според следните правила:

• AUC ≥ 0.90 → 60 точки
• AUC ≤ 0.70 → 0 точки
• Интервалът между тях: пропорционален резултат