Analyse et classification du churn dans les services de télécommunications (9-10)

Analyse et classification du churn dans les services de télécommunications

Contexte

Le churn des clients représente leur abandon volontaire des services d'un opérateur de télécommunications. Comprendre les facteurs qui influencent le churn est essentiel pour développer des stratégies de rétention et pour optimiser les offres et services.

L'Intelligence Artificielle permet l'analyse complexe des données clients pour :

• identifier les clients à haut risque d'abandon
• segmenter les clients selon leur comportement et consommation
• estimer l'impact de différentes offres et caractéristiques sur la décision de churn

Pour résoudre ce problème, vous disposerez de deux fichiers :

• train.csv – contient toutes les variables, y compris Churn, pour l'entraînement des modèles
• test.csv – contient les mêmes variables, sans la colonne Churn, et les données de ce fichier sont utilisées pour générer les prédictions

Description du jeu de données

Exigences

Pour ce problème, vous devez résoudre 3 tâches.

Tâche 1 – Score simplifié de risque financier (20 points)

Calculez pour chaque client du jeu de test un score simplifié de risque financier basé sur les valeurs Monthly Charge et Total Extra Data Charges.

• Formule :

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

Chaque composante ajoute 1 point au score si :

• Monthly Charge > 70 : risque accru de churn à cause du coût mensuel
• Total Extra Data Charges > 10 : risque supplémentaire dû aux coûts extra

Le score final est compris entre 0 et 2.

Tâche 2 – Score de connectivité et services (20 points)

Calculez pour chaque client du jeu de test un score qui reflète la qualité des services basé sur les colonnes Avg Speed, Ping Score et Link Quality Index.

• Formule :

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

Chaque composante contribue avec 1 point au score.
Le score final est compris entre 0 (bonne expérience) et 3 (expérience médiocre).

Plus précisément, si la première condition (Avg Speed < 50) est remplie, 1 point est ajouté. De même pour les autres.

Tâche 3 – Classification du churn (60 points)

Construisez un modèle de classification qui prédit Churn (0 = client actif, 1 = client qui a abandonné) basé sur toutes les informations disponibles dans train.csv.

• Vous pouvez utiliser toutes les colonnes disponibles ou sélectionner le sous-ensemble le plus pertinent pour le modèle.
• Les prédictions pour chaque client de test.csv doivent être 0 ou 1.
• Answer dans le fichier de soumission sera 0 ou 1 pour chaque client.

Format du fichier de soumission

Le fichier submission.csv doit contenir :

• id - ID pris de test.csv (colonne SampleID)
• subtaskID
  • 1 pour la Tâche 1
  • 2 pour la Tâche 2
  • 3 pour la Tâche 3
• answer - la valeur calculée ou prédite pour le client à la tâche indiquée

Évaluation

• Tâche 1 et Tâche 2 : évaluation exacte (comparaison avec les réponses correctes)
• Tâche 3 : pour l'évaluation de cette tâche, la métrique AUC est utilisée

Pour la Tâche 3, le score est attribué selon les règles suivantes :

• AUC ≥ 0.85 → 60 points
• AUC ≤ 0.70 → 0 points
• L'intervalle entre eux : score proportionnel