Vocero | Transcripción |
| Finalizado | 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 pérdida de clientes en telecomunicaciones utilizando JMP. |
| Los datos que hemos seleccionado proceden de la industria que nos mantiene a todos conectados, es decir, la industria de las telecomunicaciones y los servicios de Internet. Empecemos por una breve introducción. |
| La industria de las telecomunicaciones de EE. UU. sigue siendo testigo de una intensa competencia y una baja fidelidad de los clientes debido a múltiples razones, como los menores costos, las ofertas promocionales combinadas y la calidad del servicio. |
| Para alinearse con el objetivo principal de prevenir la pérdida de clientes, las empresas de telecomunicaciones a menudo utilizan el análisis de pérdida de clientes como su principal fuente de información comercial. |
| Esto se debe a que el costo de retener a un cliente existente es mucho menor que el de adquirir uno nuevo. Pasando al objetivo, |
| El objetivo principal es predecir con antelación los clientes potenciales que pueden abandonar la empresa y, a partir del análisis de esos datos, recomendar estrategias de productos personalizadas para la empresa. |
| Hemos seguido el método SEMMA estándar. Ahora, echemos un vistazo general al conjunto de datos. Consta de un total de 7043 filas de clientes pertenecientes a diferentes grupos demográficos (solteros, con dependientes y adultos mayores). |
| y suscribirse a diferentes ofertas de productos como servicio de Internet, líneas telefónicas, transmisión de TV, transmisión de películas y seguridad en línea. |
| Existen alrededor de 20 variables independientes, de las cuales 17 son categóricas y tres son continuas. La variable dependiente objetivo para la clasificación es la pérdida de clientes. |
| Y la tasa de abandono del modelo de referencia es de alrededor del 26,5 %. El objetivo ahora es preprocesar estos datos y modelarlos para un análisis futuro. Eso es todo por mi parte, 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 estaban correlacionadas positivamente con los cargos totales. Analizamos estas tres variables |
| Utilizando la matriz de diagrama de dispersión en JMP, que validó la relación. Además, al utilizar la función de exploración de valores faltantes, observamos que la columna de cargos totales tenía 11 valores faltantes. |
| Los valores faltantes se solucionaron 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, concluimos que el conjunto de datos no tenía valores atípicos. |
| La variable denominada ID de cliente tenía 7043 valores únicos que no le agregarían importancia a la variable de destino, por lo que se excluyó la ID de 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 mediante el uso de nuestra fórmula en JMP. Se siguió el mismo procedimiento para las variables de copia de seguridad en línea y seguridad en línea. |
| Ejecutamos regresión logística y árbol de decisiones en JMP para descubrir las variables importantes. |
| Del resumen de efectos, se observó que la tenencia, el tipo de contrato, los cargos mensuales, el streaming, el servicio de múltiples líneas y el método de pago mostraron un valor logarítmico significativo y variables muy importantes para determinar el objetivo. |
| Los efectos sobre ??? también nos ayudaron a reducir el recuento de variables a 12 variables estadísticamente significativas, que formaron la base para futuros modelos. |
| Usamos el valor de la funcionalidad ??? y desplazamos Sí de nuestra variable objetivo hacia arriba. Finalmente, los datos se dividieron en validación de entrenamiento y prueba en una proporción de 16 20 20 utilizando el método aleatorio de fórmula. Ahora te toca a ti, Kamal. |
| Kamal Krishnan | Lo siento, soy Kamal. Explicaré más sobre los diferentes modelos creados en JMP utilizando el conjunto de datos. |
| En total, construimos ocho tipos diferentes de modelos. En cada tipo de modelo, probamos distintas configuraciones de entrada y ajustes para mejorar los resultados, principalmente la sensibilidad. |
| Como nuestro objetivo era reducir el número de falsos negativos en la clasificación. |
| JMP es muy fácil de usar para rehacer los modelos modificando las configuraciones. Fue fácil almacenar los resultados cada vez que se realiza una nueva iteración del modelo en JMP. |
| y luego comparar los resultados para seleccionar el modelo optimizado de cada tipo. JMP nos permitió incluso cambiar los valores de corte del valor predeterminado 0,5 a otros y observar los resultados de la predicción. Esta diapositiva muestra los resultados del modelo seleccionado de ocho tipos diferentes de modelos. |
| En primer lugar, como nuestra variable objetivo principal son los recorridos categóricos, creamos una regresión logística. Luego, creamos árboles de decisión, KNN, modelos de conjunto como el bosque Bootstrap y el árbol potenciado. |
| 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 un modelo bayesiano ingenuo. JMP nos permitió estudiar el impacto de varias variables a través de un perfilador de predicción. |
| Podemos señalar y hacer clic para cambiar los valores en el rango y ver cómo impacta en 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. Por el contrario, |
| El aumento de los cargos mensuales aumenta la tasa de abandono. Por último, hicimos un conjunto de diferentes combinaciones de modelos para promediar y eliminar las deficiencias de los modelos individuales. |
| Descubrimos que al combinar redes neuronales y el método bayesiano ingenuo, la sensibilidad es mayor entre ???. Con esto termina la descripción del modelo. Te toca a ti, Jimmy. |
| JJosé | Gracias, Kamal. En esta sección, compararemos los modelos y analizaremos en profundidad cada uno de ellos. |
| 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 datos se muestra en la esquina superior derecha de la diapositiva. El costo de los falsos positivos y los falsos negativos se determina utilizando los cargos mensuales promedio. |
| Ese modelo de costo de falso negativo predijo que no habría cambio para el cliente que potencialmente se iba, calculado en dólares (85) y el costo de falso negativo |
| A un dólar (14) después de descontar el 20% para incluir 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, se encuentra entre el 74 y el 81 %, lo que no varía mucho 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 permite determinar la solidez del modelo con distintos tipos de valores. Como indica el gráfico, todos los modelos obtuvieron buenos resultados en esta categoría. |
| El gráfico de sensibilidad y precisión mide el éxito de los modelos para predecir con precisión la pérdida de clientes. El gráfico indica dos hechos |
| Cuántos clientes puede predecir correctamente el modelo y con qué frecuencia será precisa la predicción. |
| Esta medida se utiliza como parámetro principal para decidir el modelo con mejor rendimiento y el modelo Bayes ingenuo tuvo un buen desempeño en esta categoría. |
| Con base en las diversas métricas y considerando el costo de la predicción fallida de los modelos, el modelo Bayes ingenuo resultó ser el mejor modelo, y el más parsimonioso, para predecir la pérdida de clientes para el conjunto de datos dado. |
| Tiene la tasa de clasificación errónea más baja, una alta sensibilidad y una precisión total razonablemente buena. Si se descartan algunos de sus inconvenientes inherentes, como la falta de un modelo estadístico que lo respalde, el modelo está completamente basado en datos y es fácil de explicar. |
| Pasando a las conclusiones extraídas, las variables significativas en el conjunto de datos son el contrato y la antigüedad del cliente inscrito. |
| A partir del modelado, observamos que la pérdida de clientes es alta. |
| 1) aquellos sin dependencia demográfica; 2) aquellos que pagan un precio alto por sus servicios telefónicos y tienen un bajo índice de satisfacción del cliente en servicios de alta gama; |
| 3) Los clientes se quedan con la línea única original de servicio y es fácil cambiarse a la competencia. Por lo tanto, en función de esos hallazgos, las recomendaciones son: |
| 1) promoción dirigida a clientes específicos centrada en la generación de ingresos; 2) impulsar contratos a largo plazo con incentivos adicionales; 3) crear una línea de productos combinada 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 eficaz y potente para realizar esos análisis. Comuníquese con nosotros si tiene más preguntas. Gracias. |
