Altavoz | Transcripción |
| Namita | Hola a todos, soy Namita y estoy aquí con mis compañeros de equipo Ayush, Jimmy y Kamal de la Universidad de Connecticut para presentar nuestro análisis sobre la predicción de la rotación de empresas de telecomunicaciones con JMP. |
| Los datos que hemos elegido son de la industria que nos mantiene a todos conectados, es decir, la industria de servicios de Internet y telecomunicaciones. Entonces, comencemos con un resumen sobre los antecedentes. |
| La industria de las telecomunicaciones de EE. UU. continúa siendo testigo de una intensa competencia y una baja fidelidad de los clientes debido a múltiples razones, como costos más bajos, ofertas promocionales combinadas y calidad del servicio. Asi que |
| Para alinearse con el objetivo principal de evitar la deserción, las empresas de telecomunicaciones a menudo utilizan el análisis de deserción de clientes como sus conocimientos comerciales clave. |
| Esto se debe al hecho de que el costo de retener a un cliente existente es mucho menor que adquirir uno nuevo. Pasando al objetivo, |
| el objetivo principal aquí es predecir de antemano los clientes potenciales que pueden abandonar. Y luego, en función del análisis de esos datos, recomendar estrategias de productos personalizadas a las empresas. |
| Hemos seguido el enfoque estándar de SEMMA aquí. Ahora vamos a obtener una descripción general del conjunto de datos. Consta de un total de 7.043 filas de clientes pertenecientes a diferentes grupos demográficos (solteros, con dependientes y senior) |
| y suscribirse a diferentes ofertas de productos como servicio de Internet, líneas telefónicas, transmisión de TV, transmisión de películas y seguridad en línea. |
| Hay alrededor de 20 variables independientes; de ella, 17 son categóricas y tres son continuas. La variable objetivo dependiente para la clasificación es la rotación de clientes. |
| Y la tasa de abandono para el modelo de referencia es de alrededor del 26,5 %. El objetivo ahora es preprocesar estos datos y modelarlos para futuros análisis. Eso es todo de mi parte hacia ti, Ayush. |
| ayush kumar | Gracias Namita. Soy Ayush. En esta sección, hablaré sobre la exploración y el preprocesamiento de datos. |
| En la exploración de datos, descubrimos relaciones interesantes, por ejemplo, las variables antigüedad y cargos mensuales se correlacionaron positivamente con los cargos totales. Estas tres variables que analizamos |
| utilizando la matriz de diagramas de dispersión en JMP, que validó la relación. Además, al usar la funcionalidad de exploración de valores perdidos, observamos que la columna de cargos totales tenía 11 valores perdidos. |
| Los valores faltantes se tomaron en cuenta ya que se excluyó una columna de cargos totales debido a la multicolinealidad. Después de observar los histogramas de las variables utilizando la funcionalidad de exclusión de valores atípicos, llegamos a la conclusión de que el conjunto de datos no tenía valores atípicos. |
| La variable llamada ID de cliente tenía 7043 valores únicos que no agregarían ningún significado a la variable de destino. Por lo tanto, se excluyó la identificación del cliente. |
| También pudimos encontrar un patrón interesante entre las variables. Variables como la transmisión de TV y la transmisión de películas transmiten la misma información sobre el comportamiento de la transmisión. |
| Estas variables se agruparon en una sola columna utilizando nuestra fórmula en JMP. El mismo curso de acción se tomó para las variables respaldo en línea y seguridad en línea. |
| Ejecutamos una regresión logística y un árbol de decisiones en JMP para averiguar las variables importantes. |
| Del resumen de efectos, se observó que la tenencia, el tipo de contrato, los cargos mensuales, la transmisión a, el servicio de múltiples líneas y el método de pago mostraron un valor de registro significativo y variables muy importantes para determinar el objetivo. |
| Los efectos en ??? también nos ayudó a reducir el recuento de variables a 12 variables estadísticamente significativas, que formaron la base para un modelo posterior. |
| Usamos el valor de ??? funcionalidad y movió Sí de nuestra variable de destino hacia arriba. Finalmente, los datos se dividieron en validación de entrenamiento y prueba en una proporción de 16 20 20 utilizando el método de fórmula aleatoria. A ti ahora, Kamal. |
| kamal krishnan | Lo siento, soy Kamal. Explicaré más sobre los diferentes modelos construidos en JMP usando el conjunto de datos. |
| En total construimos ocho tipos diferentes de modelos. En cada tipo de modelo, probamos varias configuraciones y ajustes de entrada para mejorar los resultados principalmente de sensibilidad. |
| Ya que nuestro objetivo era reducir el número de falsos negativos en la clasificación. |
| JMP es muy fácil de usar para rehacer los modelos cambiando las configuraciones. Fue fácil almacenar los resultados cada vez que se realiza una nueva iteración del modelo en JMP |
| y luego compare los resultados para seleccionar el modelo optimizado de cada tipo. JMP nos permitió incluso cambiar los valores de corte de 0.5 por defecto a otros y observó los resultados de la predicción. Esta diapositiva muestra los resultados del modelo seleccionado de ocho tipos diferentes de modelos. |
| En primer lugar, como nuestra principal variable de destino categórica de viajes, construimos una regresión logística. Luego construimos árboles de decisión, KNN, modelos de conjunto como Bootstrap forest y boosted tree. |
| Luego construimos modelos de aprendizaje automático como redes neuronales. JMP nos permitió establecer la semilla aleatoria en modelos como redes neuronales y KNN. Esto nos ayudó a obtener los mismos resultados que necesitábamos. |
| Luego construimos el modelo ingenuo de Bayes. JMP nos permitió estudiar el impacto de varias variables a través del perfilador de predicción. |
| Podemos apuntar y hacer clic para cambiar los valores en el rango y ver cómo afecta la variable de destino. Al cambiar el generador de perfiles de predicción en naive bayes, observamos que el aumento en el período de permanencia ayuda a reducir la tasa de abandono. De lo contrario, |
| aumento en los cargos mensuales aumenta la tasa de abandono. Finalmente, hicimos un conjunto de diferentes combinaciones de modelos para promediar y eliminar las deficiencias de los modelos individuales. |
| Descubrimos que en el ensamblaje de redes neuronales y naive bayes tiene una mayor sensibilidad entre ???. Esto finaliza la descripción del modelo. A ti, Jimmy. |
| JJoseph | Gracias Kamal. En esta sección, compararemos los modelos y profundizaremos en los detalles de cada modelo. |
| Los principales parámetros utilizados para comparar los modelos son el costo de la clasificación errónea en dólares, el gráfico de sensibilidad versus precisión, la relación de elevación y los valores del área bajo la curva. |
| El costo de la clasificación errónea de los datos se muestra en la esquina superior derecha de la diapositiva. Costo de falsos positivos y falsos negativos determinado usando cargos mensuales promedio. |
| Ese costo del modelo de falso negativo no predijo ningún turno para que el cliente se fuera, calculado en dólares (85) y el costo del falso negativo |
| en dólar (14) luego de descontar 20% para acomodar beneficios adicionales. El cuadro de comparación de costos indica claramente que el niave bayes tiene el costo más bajo. |
| Pasando al gráfico de tasas de precisión total con él, está entre 74 y 81%, sin mucha variación en la mayoría de los modelos. Y la elevación, una medida de probabilidad de encontrar un registro de éxito en comparación con el modelo de referencia, varía entre 1,99 y 3,11. |
| La curva AUC o ROC es otra medida que nos sirve para determinar la fuerza del modelo con diferentes tipos de valores. Como indica el gráfico, a todos los modelos les fue igual de bien en esta categoría. |
| El gráfico de sensibilidad y precisión mide el éxito de los modelos para predecir con precisión la rotación de clientes. El gráfico indica dos hechos. |
| Cuántos clientes que el modelo puede predecir correctamente; a la frecuencia con la que la predicción sea precisa. |
| Esta medida se utiliza como parámetro principal para decidir el modelo con mejor rendimiento y los bayes ingenuos obtuvieron buenos resultados en esta categoría. |
| Según las diversas métricas y teniendo en cuenta el costo de la predicción fallida de los modelos, naive bayes resultó ser el mejor y parsimonioso modelo para predecir la rotación de clientes para el conjunto de datos dado. |
| Tiene la tasa de clasificación errónea más baja, alta sensibilidad y una precisión total razonablemente buena. Si descarta algunos de sus inconvenientes inherentes, como la falta de un modelo estadístico para respaldar, el modelo está completamente basado en datos y es fácilmente explicable. |
| Pasando a las conclusiones extraídas, las variables significativas en el conjunto de datos son el contrato y la tenencia del cliente inscrito. |
| A partir del modelo, observamos que la rotación de clientes es alta para |
| 1) aquellos sin dependientes en demografía; 2) aquellos que pagan un precio alto por sus servicios telefónicos, baja tasa de satisfacción del cliente en servicios de gama alta; |
| 3) los clientes se adhieren a la línea única original en el servicio y cambian fácilmente a la competencia. Entonces, en base a esos hallazgos, las recomendaciones son |
| 1) promoción dirigida al cliente enfocada en la generación de ingresos; 2) impulsar el contrato a largo plazo con incentivos adicionales; 3) crear una combinación de líneas de productos centrada en las necesidades del cliente. |
| En conclusión, utilizamos la herramienta JMP para realizar análisis y modelos predictivos en un conjunto de datos limitado. Es muy efectivo y poderoso hacer esos análisis, comuníquese con nosotros si tiene más preguntas. Gracias. |
