Telekommunikatsiooniteenuste klientide lahkumise analüüs ja klassifitseerimine (9-10)

Analüüs ja klassifitseerimine telekommunikatsiooniteenuste churn-ist

Kontekst

Klientide churn tähendab nende vabatahtlikku loobumist telekommunikatsioonioperaatori teenustest. Churn-i mõjutavate tegurite mõistmine on oluline säilitamisstrateegiate väljatöötamiseks ning pakkumiste ja teenuste optimeerimiseks.

Tehisintellekt võimaldab klientide andmete keerulist analüüsi:

• kõrge loobumisriskiga klientide tuvastamine
• klientide segmenteerimine käitumise ja tarbimise alusel
• erinevate pakkumiste ja omaduste mõju hindamine churn-i otsusele

Selle probleemi lahendamiseks on teil kasutada kaks faili:

• train.csv – sisaldab kõiki muutujaid, sealhulgas Churn, mudelite treenimiseks
• test.csv – sisaldab samu muutujaid ilma Churn veeruta, selle faili andmeid kasutatakse ennustuste genereerimiseks

Andmestiku kirjeldus

Nõuded

Selle probleemi jaoks peate lahendama 3 ülesannet.

Ülesanne 1 – Lihtsustatud finantsilise riski skoor (20 punkti)

Arvutage iga testikomplekti kliendi jaoks lihtsustatud finantsilise riski skoor, mis põhineb väärtustel Monthly Charge ja Total Extra Data Charges.

• Valem:

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

Iga komponent lisab 1 punkti skoorile, kui:

• Monthly Charge > 70: suurenenud churn-i risk kuise kulu tõttu
• Total Extra Data Charges > 10: lisarisk lisakulude tõttu

Lõplik skoor on vahemikus 0 kuni 2.

Ülesanne 2 – Ühenduvuse ja teenuste skoor (20 punkti)

Arvutage iga testikomplekti kliendi jaoks skoor, mis peegeldab teenuste kvaliteeti veergude Avg Speed, Ping Score ja Link Quality Index alusel.

• Valem:

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

Iga komponent panustab 1 punktiga skoorisse.
Lõplik skoor on vahemikus 0 (hea kogemus) kuni 3 (halb kogemus).

Täpsemalt, kui esimene tingimus (Avg Speed < 50) on täidetud, lisatakse 1 punkt. Sama kehtib ka ülejäänute kohta.

Ülesanne 3 – Churn-i klassifitseerimine (60 punkti)

Ehitage klassifitseerimismudel, mis ennustab Churn (0 = aktiivne klient, 1 = loobuv klient) kõigi train.csv failis saadaolevate andmete alusel.

• Võite kasutada kõiki saadaolevaid veerge või valida mudeli jaoks kõige asjakohasemat alamhulka.
• Ennustused iga test.csv kliendi jaoks peavad olema 0 või 1.
• Answer esitamisfailis peab olema 0 või 1 iga kliendi jaoks.

Esitamisfaili formaat

Fail submission.csv peab sisaldama:

• id - ID võetud failist test.csv (veerg SampleID)
• subtaskID
  • 1 Ülesande 1 jaoks
  • 2 Ülesande 2 jaoks
  • 3 Ülesande 3 jaoks
• answer - arvutatud või ennustatud väärtus kliendi jaoks märgitud ülesandes

Hindamine

• Ülesanne 1 ja Ülesanne 2: täpne hindamine (võrdlus õigete vastustega)
• Ülesanne 3: selle ülesande hindamiseks kasutatakse AUC mõõdikut

Ülesande 3 jaoks antakse punkte järgmiste reeglite alusel:

• AUC ≥ 0.85 → 60 punkti
• AUC ≤ 0.70 → 0 punkti
• Nende vaheline intervall: proportsionaalne punktiarv