Prévision du taux d'attrition des clients


Problème: former un modèle d'apprentissage automatique pour prédire l'attrition de la clientèle d'une entreprise de télécommunications.

Contexte: L'attrition de la clientèle est un problème majeur pour les organisations de tous les secteurs d'activité. Grâce à l'analyse des données et à l'apprentissage automatique, nous pouvons identifier les facteurs qui conduisent à la rotation des clients, créer des plans de fidélisation de la clientèle et prédire quels clients sont susceptibles de se désabonner.

Type de modèle: Régression logistique

Ce que nous avons fait: Nous avons entraîné un modèle de régression logistique sur un ensemble de données provenant d'une entreprise de télécommunications (l'ensemble de données est disponible ici). Nous avons entraîné le modèle à l'aide de SnapLogic Data Science, une solution en libre-service pour l'ensemble du cycle de vie de l'apprentissage automatique. Notre modèle de régression logistique prédit la probabilité de désabonnement des clients avec une précision de 80,58 % en moyenne.(Plus d'informations sur la façon dont nous avons réalisé cette démonstration).

Dans le diagramme à barres de droite, vous pouvez voir que la plupart des clients qui changent d'opérateur sont abonnés au service Internet par fibre optique. Si vous sélectionnez "Contrat" dans le filtre déroulant, vous pouvez voir que la plupart des clients qui changent d'opérateur avaient un contrat au mois plutôt qu'un contrat d'un an ou de deux ans. Explorez le filtre déroulant pour voir quels sont les facteurs qui ont contribué à l'attrition des clients.

Le tableau ci-dessous contient des informations sur 10 clients de l'ensemble de données. Les prédictions se trouvent dans la colonne "Churn" (défilement vers la droite). Essayez de modifier les données pour obtenir de nouvelles prédictions en temps réel.


Essayez l'apprentissage automatique en libre-service dès aujourd'hui