Telekommunikációs szolgáltatások lemorzsolódásának elemzése és osztályozása (9-10)

A churn elemzése és osztályozása a távközlési szolgáltatásokban

Kontextus

Az ügyfelek churn-je azt jelenti, hogy önkéntesen lemondanak egy távközlési szolgáltató szolgáltatásairól. A churn-t befolyásoló tényezők megértése elengedhetetlen a megtartási stratégiák kidolgozásához és az ajánlatok és szolgáltatások optimalizálásához.

A mesterséges intelligencia lehetővé teszi az ügyféladatok összetett elemzését a következőkre:

• a lemondás magas kockázatával rendelkező ügyfelek azonosítása
• az ügyfelek szegmentálása viselkedés és fogyasztás alapján
• a különböző ajánlatok és jellemzők churn döntésre gyakorolt hatásának becslése

A probléma megoldásához két fájl áll rendelkezésre:

• train.csv – tartalmazza az összes változót, beleértve a Churn-t is, a modellek betanításához
• test.csv – ugyanazokat a változókat tartalmazza, a Churn oszlop nélkül, és az ebben a fájlban lévő adatok a predikciók generálásához használatosak

Az adathalmaz leírása

Követelmények

Ehhez a problémához 3 feladatot kell megoldani.

1. feladat – Egyszerűsített pénzügyi kockázati pontszám (20 pont)

Számítsa ki minden ügyfél számára a teszthalmazban egy egyszerűsített pénzügyi kockázati pontszámot a Monthly Charge és Total Extra Data Charges értékek alapján.

• Formula:

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

Minden komponens 1 pontot ad a pontszámhoz, ha:

• Monthly Charge > 70: megnövekedett churn kockázat a havi költség miatt
• Total Extra Data Charges > 10: további kockázat az extra költségek miatt

A végső pontszám 0 és 2 között van.

2. feladat – Kapcsolódási és szolgáltatási pontszám (20 pont)

Számítsa ki minden ügyfél számára a teszthalmazban egy pontszámot, amely a szolgáltatások minőségét tükrözi az Avg Speed, Ping Score és Link Quality Index oszlopok alapján.

• Formula:

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

Minden komponens 1 ponttal járul hozzá a pontszámhoz.
A végső pontszám 0 (jó élmény) és 3 (rossz élmény) között van.

Pontosabban, ha az első feltétel (Avg Speed < 50) teljesül, 1 pont adódik hozzá. Ugyanez vonatkozik a többire is.

3. feladat – Churn osztályozás (60 pont)

Építsen egy osztályozási modellt, amely előrejelzi a Churn-t (0 = aktív ügyfél, 1 = lemondott ügyfél) a train.csv-ben elérhető összes információ alapján.

• Használhatja az összes elérhető oszlopot, vagy kiválaszthatja a modell szempontjából legrelevánsabb részhalmazt.
• A test.csv minden ügyfelére vonatkozó előrejelzéseknek 0 vagy 1 értékűnek kell lenniük.
• Az Answer a beküldési fájlban minden ügyfél esetében 0 vagy 1 lesz.

A beküldési fájl formátuma

A submission.csv fájlnak a következőket kell tartalmaznia:

• id - A test.csv-ből átvett ID (a SampleID oszlop)
• subtaskID
  • 1 az 1. feladathoz
  • 2 a 2. feladathoz
  • 3 a 3. feladathoz
• answer - a megadott feladathoz az ügyfélre vonatkozóan kiszámított vagy előrejelzett érték

Értékelés

• 1. feladat és 2. feladat: pontos értékelés (összehasonlítás a helyes válaszokkal)
• 3. feladat: ennek a feladatnak az értékeléséhez az AUC metrikát használjuk

A 3. feladatnál a pontszám a következő szabályok szerint kerül kiosztásra:

• AUC ≥ 0.85 → 60 pont
• AUC ≤ 0.70 → 0 pont
• A kettő közötti intervallum: arányos pontszám