Análisis y clasificación del churn en servicios de telecomunicaciones (9-10)

Análisis y clasificación del churn en servicios de telecomunicaciones

Contexto

El churn de clientes representa la renuncia voluntaria de estos a los servicios de un operador de telecomunicaciones. Comprender los factores que influyen en el churn es esencial para desarrollar estrategias de retención y para optimizar las ofertas y servicios.

La Inteligencia Artificial permite el análisis complejo de datos sobre clientes para:

• identificar clientes con alto riesgo de abandono
• segmentar clientes según comportamiento y consumo
• estimar el impacto de diferentes ofertas y características sobre la decisión de churn

Para resolver este problema tendrás a disposición dos archivos:

• train.csv – contiene todas las variables, incluyendo Churn, para el entrenamiento de modelos
• test.csv – contiene las mismas variables, sin la columna Churn, y los datos de este archivo se usan para generar las predicciones

Descripción del conjunto de datos

Requisitos

Para este problema tienes que resolver 3 tareas.

Tarea 1 – Puntuación simplificada de riesgo financiero (20 puntos)

Calcula para cada cliente del conjunto de prueba una puntuación simplificada de riesgo financiero basada en los valores Monthly Charge y Total Extra Data Charges.

• Fórmula:

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

Cada componente añade 1 punto a la puntuación si:

• Monthly Charge > 70: riesgo aumentado de churn debido al costo mensual
• Total Extra Data Charges > 10: riesgo adicional debido a costos extra

La puntuación final está comprendida entre 0 y 2.

Tarea 2 – Puntuación de conectividad y servicios (20 puntos)

Calcula para cada cliente del conjunto de prueba una puntuación que refleje la calidad de los servicios basada en las columnas Avg Speed, Ping Score y Link Quality Index.

• Fórmula:

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

Cada componente contribuye con 1 punto a la puntuación.
La puntuación final está comprendida entre 0 (experiencia buena) y 3 (experiencia mala).

Más específicamente, si se cumple la primera condición (Avg Speed < 50) se suma 1 punto. Igual para el resto.

Tarea 3 – Clasificación del churn (60 puntos)

Construye un modelo de clasificación que prediga Churn (0 = cliente activo, 1 = cliente que abandonó) basado en toda la información disponible en train.csv.

• Puedes usar todas las columnas disponibles o puedes seleccionar el subconjunto más relevante para el modelo.
• Las predicciones para cada cliente en test.csv deben ser 0 o 1.
• Answer en el archivo de envío será 0 o 1 para cada cliente.

Formato del archivo de envío

El archivo submission.csv debe contener:

• id - ID tomado de test.csv (columna SampleID)
• subtaskID
  • 1 para la Tarea 1
  • 2 para la Tarea 2
  • 3 para la Tarea 3
• answer - el valor calculado o predicho para el cliente en la tarea indicada

Evaluación

• Tarea 1 y Tarea 2: evaluación exacta (comparación con las respuestas correctas)
• Tarea 3: para la evaluación de esta tarea se usa la métrica AUC

Para la Tarea 3, la puntuación se otorga según las siguientes reglas:

• AUC ≥ 0.85 → 60 puntos
• AUC ≤ 0.70 → 0 puntos
• El intervalo entre ellos: puntuación proporcional