Nazione dell'integrazione
Comunità SnapLogic
Discutere, imparare e condividere come sfruttare la potenza di SnapLogic.
Problema: addestrare un modello di apprendimento automatico per prevedere l'abbandono dei clienti per una società di telecomunicazioni.
Contesto: La rinuncia ai clienti è un grosso problema per le aziende di tutti i settori. Con l'analisi dei dati e l'apprendimento automatico, possiamo identificare i fattori che portano alla rotazione dei clienti, creare piani di fidelizzazione dei clienti e prevedere quali clienti sono suscettibili di abbandono.
Tipo di modello: Regressione logistica
Cosa abbiamo fatto: Abbiamo addestrato un modello di regressione logistica su un set di dati di una società di telecomunicazioni (il set di dati è disponibile qui). Abbiamo addestrato il modello utilizzando SnapLogic Data Science, una soluzione self-service per l'intero ciclo di vita dell'apprendimento automatico. Il nostro modello di regressione logistica prevede la probabilità di abbandono dei clienti con una precisione media dell'80,58%.(Maggiori informazioni su come abbiamo realizzato questa demo).
Nel grafico a barre a destra, si può notare che la maggior parte dei clienti che hanno cambiato fornitore ha sottoscritto un servizio Internet in fibra ottica. Se si seleziona "Contratto" dal filtro a discesa, si può notare che la maggior parte dei clienti che hanno abbandonato il servizio aveva un contratto mensile rispetto a un piano annuale o biennale. Esplorate il filtro a discesa per vedere quali fattori hanno contribuito alla rinuncia dei clienti.
La tabella seguente contiene informazioni su 10 clienti del dataset. Le previsioni si trovano nella colonna "Churn" (scorrere a destra). Provate a cambiare i dati per ottenere nuove previsioni in tempo reale.