Análise e classificação do churn em serviços de telecomunicações (11-12)

Análise e classificação do churn em serviços de telecomunicações

Contexto

O churn de clientes representa a renúncia voluntária destes aos serviços de uma operadora de telecomunicações. Compreender os fatores que influenciam o churn é essencial para desenvolver estratégias de retenção e para otimizar ofertas e serviços.

A Inteligência Artificial permite análise complexa de dados sobre clientes para:

• identificação de clientes com alto risco de desistência
• segmentação de clientes em função do comportamento e consumo
• estimativa do impacto de diferentes ofertas e características sobre a decisão de churn

Para resolver este problema você terá à disposição dois arquivos:

• train.csv – contém todas as variáveis, incluindo Churn, para treinamento dos modelos
• test.csv – contém as mesmas variáveis, sem a coluna Churn, e os dados deste arquivo são usados para gerar as predições

Descrição do conjunto de dados

Requisitos

Para este problema você deve resolver 3 tarefas.

Tarefa 1 – Pontuação simplificada de risco financeiro (20 pontos)

Calcule para cada cliente do conjunto de teste uma pontuação simplificada de risco financeiro baseada nos valores Monthly Charge e Total Extra Data Charges.

• Fórmula:

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

Cada componente adiciona 1 ponto à pontuação se:

• Monthly Charge > 70: risco aumentado de churn devido ao custo mensal
• Total Extra Data Charges > 10: risco adicional devido aos custos extras

A pontuação final está entre 0 e 2.

Tarefa 2 – Pontuação de conectividade e serviços (20 pontos)

Calcule para cada cliente do conjunto de teste uma pontuação que reflita a qualidade dos serviços baseada nas colunas Avg Speed, Ping Score e Link Quality Index.

• Fórmula:

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

Cada componente contribui com 1 ponto para a pontuação.
A pontuação final está entre 0 (experiência boa) e 3 (experiência ruim).

Mais precisamente, se a primeira condição (Avg Speed < 50) for atendida, é adicionado 1 ponto. O mesmo para o restante.

Tarefa 3 – Classificação do churn (60 pontos)

Construa um modelo de classificação que prediga Churn (0 = cliente ativo, 1 = cliente que desistiu) baseado em todas as informações disponíveis em train.csv.

• Você pode usar todas as colunas disponíveis ou pode selecionar o subconjunto mais relevante para o modelo.
• As predições para cada cliente em test.csv devem ser 0 ou 1.
• Answer no arquivo de submissão será 0 ou 1 para cada cliente.

Formato do arquivo de submissão

O arquivo submission.csv deve conter:

• id - ID extraído de test.csv (coluna SampleID)
• subtaskID
  • 1 para Tarefa 1
  • 2 para Tarefa 2
  • 3 para Tarefa 3`
• answer - valor calculado ou predito para o cliente na tarefa indicada

Avaliação

• Tarefa 1 e Tarefa 2: avaliação exata (comparação com as respostas corretas)
• Tarefa 3: para avaliação desta tarefa é usada a métrica AUC

Para a Tarefa 3, a pontuação é atribuída de acordo com as seguintes regras:

• AUC ≥ 0.90 → 60 pontos
• AUC ≤ 0.70 → 0 pontos
• Intervalo entre eles: pontuação proporcional