Problem: Trainieren eines maschinellen Lernmodells zur Vorhersage der Kundenabwanderung für ein Telekommunikationsunternehmen.

Der Kontext: Kundenabwanderung ist ein großes Problem für Unternehmen in jeder Branche. Mithilfe von Datenanalysen und maschinellem Lernen können wir Faktoren identifizieren, die zur Kundenabwanderung führen, Pläne zur Kundenbindung erstellen und vorhersagen, welche Kunden wahrscheinlich abwandern werden.

Modell-Typ: Logistische Regression

Was wir taten: Wir trainierten ein logistisches Regressionsmodell auf einem Datensatz eines Telekommunikationsunternehmens (den Datensatz finden Sie hier). Wir haben das Modell mit SnapLogic Data Science trainiert, einer Self-Service-Lösung für den gesamten Lebenszyklus des maschinellen Lernens. Unser logistisches Regressionsmodell sagt die Wahrscheinlichkeit der Kundenabwanderung mit einer Genauigkeit von durchschnittlich 80,58 Prozent voraus.(Mehr darüber, wie wir diese Demo erstellt haben).

Im Balkendiagramm auf der rechten Seite sehen Sie, dass die meisten abwandernden Kunden einen Glasfaser-Internetdienst abonniert haben. Wenn Sie "Vertrag" aus dem Dropdown-Filter auswählen, sehen Sie, dass die meisten abwandernden Kunden einen Monatsvertrag und keinen Einjahres- oder Zweijahresvertrag hatten. Untersuchen Sie den Dropdown-Filter, um zu sehen, welche Faktoren zur Kundenabwanderung beigetragen haben.

Die folgende Tabelle enthält Informationen zu 10 Kunden aus dem Datensatz. Die Vorhersagen befinden sich in der Spalte "Abwanderung" (scrollen Sie nach rechts). Versuchen Sie, die Daten zu ändern, um neue Vorhersagen in Echtzeit zu erhalten.