面向两个月内电信客户流失的预测建模与分析
信息检索
2019-11-05 v1 机器学习
摘要
在饱和且竞争激烈的市场中，实用的流失客户预测模型对电信公司留住客户至关重要。以往研究侧重于预测当月或次月的流失客户，而电信公司没有足够时间制定并实施流失管理策略。本文提出一种新的 T+2 流失客户预测模型，可识别两个月内的流失客户，并预留一个月窗口 T+1 以实施流失管理策略。然而，由于客户信息与流失状态之间的相关性更弱，两个月内流失客户的预测比当月或次月困难得多。我们观察到电信数据集的两个特征：流失与非流失客户的区分复杂，且类别不平衡问题严重。为准确区分流失客户，选用随机森林（RF）分类器，因为 RF 以低偏差和低方差解决非线性可分问题，并能处理高特征空间与大量训练样本。为克服不平衡问题，采用了带 borderline 或 tomek link 的少数类合成过采样（SMOTE），在保持样本分布的同时增加了训练样本数量。总体而言，T+2 流失预测达到了约 50% 的精确率与约 50% 的召回率。所提出的预测模型为电信公司提供了准确且可操作的流失客户预测模型。
引用
@article{arxiv.1911.00558,
title = {Prediction Modeling and Analysis for Telecom Customer Churn in Two Months},
author = {Lingling Yang and Dongyang Li and Yao Lu},
journal= {arXiv preprint arXiv:1911.00558},
year = {2019}
}
备注
22 pages, 4 figures