电信服务中的客户流失分析与分类 (11-12)

电信服务客户流失分析与分类

背景

客户流失是指客户主动放弃电信运营商的服务。理解影响客户流失的因素对于制定客户保留策略以及优化产品和服务至关重要。

人工智能能够对客户数据进行复杂分析，用于：

• 识别高流失风险客户
• 根据行为和消费模式对客户进行细分
• 评估不同产品和特征对流失决策的影响

为解决这个问题，您将获得两个文件：

• train.csv – 包含所有变量，包括 Churn，用于模型训练
• test.csv – 包含相同变量，但不含 Churn 列，此文件中的数据用于生成预测

数据集描述

要求

对于这个问题，您需要解决3个任务。

任务1 – 简化财务风险评分（20分）

为测试集中的每个客户计算基于 Monthly Charge 和 Total Extra Data Charges 值的简化财务风险评分。

• 公式：

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

如果满足以下条件，每个组件为评分添加1分：

• Monthly Charge > 70：由于月费用导致的高流失风险
• Total Extra Data Charges > 10：由于额外费用导致的附加风险

最终评分在0到2之间。

任务2 – 连接性和服务评分（20分）

为测试集中的每个客户计算反映基于 Avg Speed、Ping Score 和 Link Quality Index 列的服务质量评分。

• 公式：

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

每个组件为评分贡献1分。
最终评分在0（良好体验）到3（糟糕体验）之间。

更确切地说，如果满足第一个条件（Avg Speed < 50），则加1分。其余条件同理。

任务3 – 流失分类（60分）

构建一个分类模型，基于 train.csv 中所有可用信息预测 Churn（0 = 活跃客户，1 = 已流失客户）。

• 您可以使用所有可用列，或者选择与模型最相关的子集。
• 对 test.csv 中每个客户的预测必须是0或1。
• 提交文件中的 Answer 对每个客户应为0或1。

提交文件格式

submission.csv 文件必须包含：

• id - 从 test.csv 获取的ID（SampleID 列）
• subtaskID
  • 1 表示 任务1
  • 2 表示 任务2
  • 3 表示 任务3
• answer - 为指定任务计算或预测的客户值

评估

• 任务1 和 任务2：精确评估（与正确答案比较）
• 任务3：此任务的评估使用AUC指标

对于 任务3，根据以下规则给分：

• AUC ≥ 0.90 → 60分
• AUC ≤ 0.70 → 0分
• 两者之间的区间：按比例给分