Введение 3
2 Список использованных источников 6
3 Сбор и обработка данных и реализация модели оттока 9
3.1 Процесс решения задачи 9
3.2 Разметка данных для модели 10
3.3 Алгоритм модели 12
3.4 Используемые инструменты 17
3.5 Реализация определения оттока 20
3.6 Геолокация устройств абонента 23
3.7 Подготовка данных 25
3.8 Метрика оценки модели 30
3.9 Построение модели 31
4 Заключение 33
В данной работе рассматривается проблема оттока клиентов от оператора фиксированной связи, а также связь оттока с качеством предоставляемого оператором интернет-соединения.
Задача предсказания оттока активно решается в самых разных предметных областях, например, в банкинге, телекоммуникациях, розничной торговле. Необходимо успевать отслеживать переходах клиентов банка в другие банки или переходы клиентов одной телекоммуникационной компании в другие и вовремя проводить методики по удержанию таких клиентов.
Эта задача является экономически обоснованной, потому что для большинства сервисов справедливо следующее замечание: чем больше клиентов есть у сервиса, тем лучше он монетизируется и тем больше приносит прибыли. Следовательно, нам всегда выгодно иметь большое количество пользователей.
Достичь этой цели можно следующими способами: во-первых, количество пользователей может возрасти вследствие их активного привлечения, и мы имеем постоянный приток, во-вторых, пользовательская база может расти как следствие удержания старых пользователей, то есть, когда мы сокращаем отток пользовательской базы. Более того, когда мы удерживаем клиента, мы понимаем, какого именно пользователя мы удерживаем, здесь важно удерживать ключевых клиентов, которые приносят сервису много денег. С другой стороны, когда мы привлекаем одного нового пользователя, мы никогда не знаем, как сложится его взаимодействие с сервисом и перейдет ли он, скажем, в группу лояльных пользователей. Таким образом, задача удержания важна еще с этой точки зрения.
Кажется, что нам выгодно удерживать всех пользователей, которые у нас есть. С другой стороны, процесс удержания — не бесплатный. Для того чтобы пользователя удержать, нужно в это инвестировать средства. Соответственно, удерживать абсолютно всех пользователей мы можем далеко не всегда.
Для того чтобы эффективно управлять процессом удержания, нам нужно уметь адресно удерживать тех пользователей, которые, с одной стороны, нам важны, а с другой стороны, тех пользователей, которые действительно склонны к оттоку. Плюс нужно учитывать тот факт, что процесс удержания происходит не мгновенно — нам нужно уметь выделять пользователей, склонных к оттоку, до того, как они приняли решение о том, чтобы от нас уйти, и непосредственно это сделали.
Причиной оттока могут являться различные факторы. Я предполагаю, что одним из значимых факторов оттока является недовольство абонентов качеством мобильного интернета. Интуитивно кажется, что наряду с качеством связи, на решение клиента о переходе от одного оператора к другому будет влиять и то, насколько они довольны предоставляемым мобильным интернетом, так как большинство абонентов пользуются интернетом на регулярной основе. Соответственно, недовольный абонент может начать поиски другого оператора, который лучше удовлетворяет его потребности и, возможно, найдет такого и перейдет к нему. Цель данной работы - выяснить, есть ли зависимость между оттоком клиентов у мобильного оператора с качеством, путем построения классификационной модели.
В рамках выполнения задачи построим классификационную модель с пред-сказанием оттока. Она будет подтверждать правильность сделанных нами выводов. Модель будем строить на данных, отражающих качество интернет- соединения. Дополнительной сложностью в данной задаче будет являться то, что абонент фиксированного оператора представляет из себя не одно устройство, а точку доступа, имеющую множество устройств в качестве постоянных пользователей сети. В работе будет представлен способ, с помощью которого можно будет определять принадлежит ли данное устройство хозяину точки доступа или нет (является ли оно постоянным пользователем). Это важно, потому что мы можем ошибочно полагать оттоком абонентов, у которых одиночные устройства сменили постоянную точку доступа, но другие при этом остались. Например, это может произойти, когда один из членов семьи переезжает, или когда устройство продают другому владелицу. Также, если бы мы не проводили никакую фильтрацию, то могли бы ошибочно полагать оттоком абонентов, у которых переехали все устройства и стали пользоваться новой сетью, а данная точка доступа бы при этом осталась. Такое может происходить, когда квартира сдается, и у нее периодически могут меняться владельцы. Вышеуказанные случае необходимо обнаруживать и не допускать их попадания в ложный отток.
Сами операторы не имеют возможности построить такую модель в связи с неимением таких данных.
При проведении анализа было поставлена гипотеза о том, что параметра! качества интернет-соединения являются важным фактором, влияющим на отток клиента.
В данной работе был предложен уникальный подход к разметке данных в условиях предсказания оттока для фиксированного оператора, так как в такой постановке абонент представляет из себя не одно устройство, а точку доступа, имеющую множество устройств в качестве домашних. А именно, был предложен способ, включающий данные о геолокации устройств, полученные во время интернет-сессий.
Была построена модель, которая предсказывает отток и был получен результат, подтверждающий наличие связи между качеством интернет-сессий и желанием абонента перейти от одного оператора к другому. Данная работа имеет практическое применение для операторов связи для того, чтобы снижать количество абонентов, уходящих в отток, путем своевременного обнаружения клиентов с высокой предрасположенностью к смене оператора и их удержания. В свою очередь, снижение оттока ведет к снижению издержек оператора, так как удержание действующих абонентов обходится оператору дешевле, чем привлечение новых.
