[論文レビュー] Predicting Near-Future Churners and Win-Backs in the Telecommunications Industry

Clifton Phua, Hong Cao+2 more|arXiv (Cornell University)|Oct 24, 2012

Customer churn and segmentation参考文献 5被引用数 7

ひとこと要約

本論文は、大規模な実世界のデータセットを用いて、通信業界における近い将来の離脱予測および再営業顧客の予測のための機械学習手法を提案する。オリジナルで導出された特徴量（特にサービス利用状況および支払い関連の指標）を抽出することで、不均衡なデータにおいてもRandomForestおよびSimpleCart分類器が優れた性能を示すことを実証した。特に、サービス契約内容と実際の利用状況の乖離を示す特徴量が、離脱予測において最も予測的であることが判明した。

ABSTRACT

In this work, we presented the strategies and techniques that we have developed for predicting the near-future churners and win-backs for a telecom company. On a large-scale and real-world database containing customer profiles and some transaction data from a telecom company, we first analyzed the data schema, developed feature computation strategies and then extracted a large set of relevant features that can be associated with the customer churning and returning behaviors. Our features include both the original driver factors as well as some derived features. We evaluated our features on the imbalance corrected dataset, i.e. under-sampled dataset and compare a large number of existing machine learning tools, especially decision tree-based classifiers, for predicting the churners and win-backs. In general, we find RandomForest and SimpleCart learning algorithms generally perform well and tend to provide us with highly competitive prediction performance. Among the top-15 driver factors that signal the churn behavior, we find that the service utilization, e.g. last two months' download and upload volume, last three months' average upload and download, and the payment related factors are the most indicative features for predicting if churn will happen soon. Such features can collectively tell discrepancies between the service plans, payments and the dynamically changing utilization needs of the customers. Our proposed features and their computational strategy exhibit reasonable precision performance to predict churn behavior in near future.

研究の動機と目的

• 実際の通信業界データセットにおける近い将来の顧客離脱および再営業行動の予測的特徴量を同定すること。
• クラス不均衡問題を補うためにアンダーサンプリング技術を適用すること。
• 決定木ベースのモデルを特に重視し、複数の機械学習アルゴリズムを用いた離脱および再営業予測の評価を行うこと。
• 利用状況および支払いパターンの動的変化を捉える特徴量計算戦略を構築すること。
• 通信会社が顧客を能動的に維持できるよう、実務的インサイトを提供すること。

提案手法

• 顧客プロファイルおよび取引データから、サービス利用状況および支払い行動に焦点を当てた、多数のオリジナルおよび導出特徴量を抽出した。
• データセットのクラス不均衡を是正するためにアンダーサンプリングを適用し、少数クラスにおけるモデルの汎化性能を向上させた。
• 決定木ベースの分類器（特にRandomForestおよびSimpleCartを含む）を重点的に評価した。
• 特徴量の重要度分析を用いて、離脱および再営業行動の主な予測要因を同定した。
• 設計された特徴量を用いて予測モデルを構築し、精度指標を用いて性能を評価した。
• 特に最近の利用状況（例：直近2か月分のデータ）および行動の動的変化に注目することで、近い将来の予測に特化した。

実験結果

リサーチクエスチョン

• RQ1 通信サービスにおける近い将来の離脱または再営業行動の予測に、どの顧客特徴量が最も示唆的か？
• RQ2 サービス利用状況のパターンと支払い要因は、顧客の離脱または再参加とどのように相関しているか？
• RQ3 不均衡な通信業界の離脱予測タスクにおいて、どの機械学習アルゴリズムが最も優れたパフォーマンスを示すか？
• RQ4 契約内容と実際の利用状況の乖離を捉える導出特徴量は、予測精度を向上させることができるか？
• RQ5 最近の行動パターンの相対的寄与度は、離脱予測においてどの程度高いか？

主な発見

• 評価されたモデルの中で、RandomForestおよびSimpleCart分類器が最も競争力ある予測性能を示した。
• 離脱の上位15の要因として、直近2か月間のダウンロードおよびアップロード量、直近3か月間の平均アップロードおよびダウンロードレートといったサービス利用状況指標が含まれた。
• 支払い関連の要因は、直近の離脱を予測する上で最も示唆的だった。
• 契約内容と実際の利用状況の乖離を示す特徴量は、顧客の離脱予測において非常に予測的であった。
• 提案された特徴量工学戦略により、近い将来の離脱行動の予測において妥当な精度が達成された。
• 本研究は、動的利用状況および請求行動が、顧客維持戦略の強力なシグナルであることを確認した。