Analiza i klasifikacija churn-a u telekomunikacijskim uslugama (9-10)

Analiza i klasifikacija churn-a u telekomunikacijskim uslugama

Kontekst

Churn klijenata predstavlja njihovo dobrovoljno odustajanje od usluga telekomunikacijskog operatera. Razumijevanje čimbenika koji utječu na churn ključno je za razvoj strategija zadržavanja i za optimizaciju ponuda i usluga.

Umjetna inteligencija omogućuje složenu analizu podataka o klijentima za:

• identificiranje klijenata s visokim rizikom od odustajanja
• segmentaciju klijenata prema ponašanju i potrošnji
• procjenu utjecaja različitih ponuda i karakteristika na odluku o churn-u

Za rješavanje ovog problema imat ćete na raspolaganju dvije datoteke:

• train.csv – sadrži sve varijable, uključujući Churn, za treniranje modela
• test.csv – sadrži iste varijable, bez stupca Churn, a podaci iz ove datoteke koriste se za generiranje predikcija

Opis skupa podataka

Zahtjevi

Za ovaj problem trebate riješiti 3 zadatka.

Zadatak 1 – Pojednostavljeni rezultat financijskog rizika (20 bodova)

Izračunajte za svakog klijenta iz test skupa pojednostavljeni rezultat financijskog rizika na temelju vrijednosti Monthly Charge i Total Extra Data Charges.

• Formula:

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

Svaka komponenta dodaje 1 bod rezultatu ako:

• Monthly Charge > 70: povećan rizik od churn-a zbog mjesečnog troška
• Total Extra Data Charges > 10: dodatni rizik zbog dodatnih troškova

Konačni rezultat je između 0 i 2.

Zadatak 2 – Rezultat povezivosti i usluga (20 bodova)

Izračunajte za svakog klijenta iz test skupa rezultat koji odražava kvalitetu usluga na temelju stupaca Avg Speed, Ping Score i Link Quality Index.

• Formula:

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

Svaka komponenta doprinosi s 1 bodom rezultatu.
Konačni rezultat je između 0 (dobro iskustvo) i 3 (loše iskustvo).

Preciznije, ako je ispunjen prvi uvjet (Avg Speed < 50) dodaje se 1 bod. Isto tako i za ostale.

Zadatak 3 – Klasifikacija churn-a (60 bodova)

Izgradite model klasifikacije koji će predvidjeti Churn (0 = aktivni klijent, 1 = klijent koji je odustao) na temelju svih dostupnih informacija u train.csv.

• Možete koristiti sve dostupne stupce ili možete odabrati najrelevantniji podskup za model.
• Predikcije za svakog klijenta iz test.csv moraju biti 0 ili 1.
• Answer u datoteci za predaju bit će 0 ili 1 za svakog klijenta.

Format datoteke za predaju

Datoteka submission.csv mora sadržavati:

• id - ID preuzet iz test.csv (stupac SampleID)
• subtaskID
  • 1 za Zadatak 1
  • 2 za Zadatak 2
  • 3 za Zadatak 3
• answer - izračunata ili predviđena vrijednost za klijenta u navedenom zadatku

Evaluacija

• Zadatak 1 i Zadatak 2: točna evaluacija (usporedba s točnim odgovorima)
• Zadatak 3: za evaluaciju ovog zadatka koristi se metrika AUC

Za Zadatak 3, bodovi se dodjeljuju prema sljedećim pravilima:

• AUC ≥ 0.85 → 60 bodova
• AUC ≤ 0.70 → 0 bodova
• Interval između njih: proporcionalni bodovi