[论文解读] 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 7

一句话总结

本文提出一种机器学习方法，利用大规模真实世界数据集，预测电信行业近未来可能流失的客户及可挽回的客户。通过提取原始特征与衍生特征——尤其是服务使用率和支付相关指标——研究表明，RandomForest 和 SimpleCart 分类器在处理不平衡数据时表现优异，其中最具有预测力的特征是服务计划与使用模式之间的差异。

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.

研究动机与目标

• 识别真实电信数据集中近未来客户流失与挽回行为的预测特征。
• 通过欠采样技术解决流失预测中的类别不平衡问题。
• 评估多种机器学习算法，特别是基于决策树的模型，在流失与挽回预测中的表现。
• 开发一种特征计算策略，通过使用与支付模式捕捉客户行为的动态变化。
• 为电信公司提供可操作的洞察，以主动保留客户。

提出的方法

• 从客户档案与交易数据中提取大量原始与衍生特征，重点关注服务使用率与支付行为。
• 应用欠采样以纠正数据集中类别不平衡问题，提升模型在少数类上的泛化能力。
• 评估多种机器学习工具，重点聚焦于 Random Forest 与 SimpleCart 等基于决策树的分类器。
• 通过特征重要性分析识别流失与挽回行为的最重要预测因子。
• 利用工程化特征构建预测模型，并通过精确率指标评估性能。
• 通过强调近期使用模式（如过去两个月的数据）及行为的动态变化，聚焦于近未来预测。

实验结果

研究问题

• RQ1 在电信服务中，哪些客户特征最能指示近未来的流失或挽回行为？
• RQ2 服务使用模式与支付因素如何与客户流失或重新激活相关联？
• RQ3 在类别不平衡的电信流失预测任务中，哪些机器学习算法表现最佳？
• RQ4 能否通过捕捉服务计划与实际使用之间差异的衍生特征来提升预测准确性？
• RQ5 近期行为模式对流失预测的相对贡献如何？

主要发现

• RandomForest 与 SimpleCart 分类器在所评估模型中表现最为出色。
• 导致流失的前 15 个驱动因素包括服务使用率指标，如过去两个月的下载与上传流量，以及过去三个月的平均上传与下载速率。
• 支付相关因素是预测即将流失的最具指示性的特征之一。
• 反映服务计划与实际使用模式之间差异的特征，对客户流失具有高度预测力。
• 所提出的特征工程策略在预测近未来流失行为方面实现了合理的精确度。
• 本研究证实，动态使用与计费行为是客户保留策略中的强信号。