Batzuetan, arazo bat konpontzeko, beste angelu batetik begiratu besterik ez dago. Azken 10 urteotan antzeko arazoak efektu ezberdinekin modu berean konpondu badira ere, ez da egia metodo hau bakarra denik.
Bezeroen txanda bezalako gai bat dago. Gauza saihestezina da, edozein enpresatako bezeroek, arrazoi askorengatik, bere produktuak edo zerbitzuak erabiltzeari utz diezaioketelako. Jakina, enpresa batentzat txanda naturala da, baina ez da ekintza desiragarriena, beraz, denek saiatzen dira txanda hori gutxitzen. Hobeto oraindik, iragar ezazu erabiltzaile-kategoria jakin baterako edo erabiltzaile zehatz batentzat txandakatzeko probabilitatea, eta iradoki horiek mantentzeko urrats batzuk.
Beharrezkoa da bezeroa aztertzea eta atxikitzen saiatu, ahal bada, gutxienez arrazoi hauengatik:
- bezero berriak erakartzea garestiagoa da atxikipen prozedurak baino. Bezero berriak erakartzeko, oro har, diru pixka bat gastatu behar duzu (publizitatea), lehendik dauden bezeroak baldintza bereziekin eskaintza berezi batekin aktibatu daitezkeen bitartean;
- Bezeroak alde egiten duten arrazoiak ulertzea da produktuak eta zerbitzuak hobetzeko gakoa.
Ezaugarriak aurreikusteko ikuspegi estandarrak daude. Baina AI txapelketetako batean, horretarako Weibull banaketa probatzea erabaki genuen. Gehienetan erabiltzen da biziraugarritasunaren azterketa, eguraldiaren iragarpena, hondamendi naturalen analisia, industria ingeniaritza eta antzekoetarako. Weibull banaketa bi parametrok parametrizatutako banaketa funtzio berezi bat da 
ΠΈ .
Wikipedia
Oro har, gauza interesgarria da, baina irteerak aurreikusteko, eta, oro har, fintech-an, ez da horren maiz erabiltzen. Ebakiaren azpian guk (Data Mining Laboratory) nola egin dugun kontatuko dugu, aldi berean, Adimen Artifizialaren Txapelketan urrea irabaziz βAI Bankuetanβ kategorian.
Txirrinari buruz, oro har
Uler dezagun apur bat zer den bezeroen txanda eta zergatik den hain garrantzitsua. Bezero-basea garrantzitsua da negozio baterako. Bezero berriak etortzen dira oinarri horretara, adibidez, iragarki batetik produktu edo zerbitzu bat ezagutu ondoren, denbora batez bizi (produktuak aktiboki erabiltzen) eta denbora pixka bat igaro ondoren erabiltzeari uzten diote. Aldi honi "Bezeroaren Bizi-zikloa" deitzen zaio: bezero batek produktu bat jakitean, erosketa-erabaki bat hartzen duenean, ordaintzen, erabiltzen eta kontsumitzaile leial bihurtzen denean eta, azken finean, produktua erabiltzeari uzten dionean, igarotzen dituen faseak deskribatzen dituen terminoa. arrazoi bategatik edo besteagatik. Horren arabera, churn-a bezeroaren bizitza-zikloaren azken etapa da, bezeroak zerbitzuak erabiltzeari uzten dionean, eta negozio batentzat horrek esan nahi du bezeroak etekina edo inolako onura ekartzeari utzi diola.
Banku-bezero bakoitza bere beharretarako bereziki banku-txartel bat edo beste aukeratzen duen pertsona zehatz bat da. Askotan bidaiatzen baduzu, ondo etorriko zaizu kilometroak dituen txartela. Asko erosten du - kaixo, dirua itzultzeko txartela. Asko erosten du denda zehatzetan, eta dagoeneko badago horretarako plastikozko bazkide berezi bat. Noski, batzuetan txartel bat hautatzen da "Zerbitzu merkeena" irizpidearen arabera. Oro har, nahikoa aldagai daude hemen.
Eta pertsona batek bankua bera ere aukeratzen du: al du bere sukurtsalak Moskun eta eskualdean soilik dauden banku bateko txartel bat aukeratzeak, Khabarovska zarenean? Halako banku bateko txartela gutxienez 2 aldiz errentagarriagoa bada ere, gertuko banku-sukurtsalak egotea irizpide garrantzitsua da oraindik. Bai, 2019 dagoeneko hemen da eta digitala da gure dena, baina banku batzuekiko hainbat arazo sukurtsal batean bakarrik konpondu daitezke. Gainera, berriro ere, biztanleriaren zati batek askoz gehiago fidatzen du banku fisiko batean smartphone bateko aplikazio batean baino, hori ere kontuan hartu behar da.
Ondorioz, pertsona batek arrazoi asko izan ditzake bankuko produktuei (edo bankuari berari) uko egiteko. Lana aldatu nuen, eta txartelaren tarifa soldatatik "Hilkor hutsentzat" izatera pasatu zen, eta hori ez da hain errentagarria. Banku bulegorik ez dagoen beste hiri batera joan nintzen bizitzera. Ez zait gustatu sukurtsaleko kualifikaziorik gabeko operadorearekin elkarreragina. Hau da, produktua erabiltzeko baino are arrazoi gehiago egon daitezke kontu bat ixteko.
Eta bezeroak ez du bere asmoa argi eta garbi adierazi bakarrik: etorri bankura eta idatzi adierazpen bat, baizik eta produktuak erabiltzeari utzi, kontratua amaitu gabe. Horrelako arazoak ulertzeko ikaskuntza automatikoa eta IA erabiltzea erabaki zen.
Gainera, bezeroen txanda edozein industriatan gerta daiteke (telekomunikazioetan, Interneteko hornitzaileetan, aseguru-etxeetan, oro har, bezero-oinarria eta aldizkako transakzioak dauden tokietan).
Zer egin dugu
Lehenik eta behin, muga argi bat deskribatzea beharrezkoa zen: zer ordutik hasita hasten garen bezeroak alde egin zuela. Gure lanerako datuak eman zizkigun bankuaren ikuspuntutik, bezeroaren jarduera-egoera bitarra zen: aktiboa da edo ez. ACTIVE_FLAG bandera bat zegoen "Jarduera" taulan, zeinaren balioa "0" edo "1" izan zitekeen ("Inaktibo" eta "Aktibo" hurrenez hurren). Eta dena ondo legoke, baina pertsona batek denbora pixka bat aktiboki erabil dezakeela eta, ondoren, hilabetez zerrenda aktibotik kanpo geratuko da - gaixotu egin zen, beste herrialde batera joan zen oporretan edo probatzera joan zen. beste banku bateko txartela. Edo agian jarduerarik gabe egon ondoren, berriro hasi bankuko zerbitzuak erabiltzen
Hori dela eta, inaktibitate-aldi bati etengabeko denbora-tarte jakin bati deitzea erabaki genuen, zeinaren bandera "0"-n ezarri zen.
Bezeroak inaktibotik aktibora pasatzen dira iraupen desberdinetako jarduerarik gabeko aldien ondoren. Balio enpirikoaren "aktibitate-aldien fidagarritasuna" kalkulatzeko aukera dugu, hau da, pertsona batek aldi baterako jarduerarik gabe egon ondoren banku-produktuak berriro erabiltzen hasteko probabilitatea.
Esate baterako, grafiko honek bezeroen jarduerari berriro ekitea (ACTIVE_FLAG=1) hainbat hilabeterik gabe egon ondoren (ACTIVE_FLAG=0) erakusten du.
Hemen pixka bat argituko dugu lanean hasi ginen datu multzoa. Beraz, bankuak 19 hilabeterako informazio agregatua eman zuen hurrengo tauletan:
- "Jarduera" - hileroko bezeroen transakzioak (txartelen bidez, Interneteko bankuan eta banku mugikorrean), nominak eta fakturazioari buruzko informazioa barne.
- "Txartelak" - bezeroak dituen txartel guztiei buruzko datuak, tarifa-programa zehatzarekin.
- "Akordioak" - bezeroaren akordioei buruzko informazioa (irekiak zein itxiak): maileguak, gordailuak, etab., bakoitzaren parametroak adieraziz.
- "Bezeroak" - datu demografikoen multzoa (generoa eta adina) eta harremanetarako informazioaren erabilgarritasuna.
Lanerako mahai guztiak behar genituen βMapaβ izan ezik.
Hemen beste zailtasun bat zegoen: datu hauetan bankuak ez zuen adierazten zer nolako jarduera egiten zen txarteletan. Hau da, uler genezake transakzioak zeuden ala ez, baina jada ezin genuen haien mota zehaztu. Hori dela eta, ez zegoen argi bezeroak dirua kentzen, soldata jasotzen zuen edo dirua erosketetan gastatzen ari ote zen. Kontuen saldoei buruzko daturik ere ez genuen, eta hori baliagarria izango zen.
Lagina bera aldegabea zen: atal honetan, 19 hilabetetan zehar, bankuak ez zuen bezeroak atxikitzeko eta irteera minimizatzeko saiakerarik egin.
Beraz, jarduerarik gabeko aldiei buruz.
Churn-aren definizio bat formulatzeko, jarduerarik gabeko aldi bat hautatu behar da. Iragarpen-iragarpena une batean sortzeko , gutxienez 3 hilabeteko bezero-historia izan behar duzu tarte batean . Gure historia 19 hilabetera mugatu zen, beraz, 6 hilabeteko jarduerarik gabeko epea hartzea erabaki genuen, eskuragarri egonez gero. Eta kalitate handiko aurreikuspen baterako gutxieneko epean, 3 hilabete behar izan ditugu. 3 eta 6 hilabeteko zifrak hartu genituen enpirikoki bezeroen datuen portaeraren analisian oinarrituta.
Churn-aren definizioa honela formulatu dugu: bezeroen txandaren hilabetea ACTIVE_FLAG=0 duen lehen hilabetea da, non hilabete honetatik aurrera gutxienez sei zero jarraian dauden ACTIVE_FLAG eremuan, hau da, bezeroa 6 hilabetez inaktibo egon den hilabetea.
Alde egin zuten bezero kopurua
Gainerako bezero kopurua
Nola kalkulatzen da churn-a?
Horrelako lehiaketetan, eta, oro har, praktikan, maiz horrela aurreikusten da irteera. Bezeroak denbora-tarte ezberdinetan erabiltzen ditu produktuak eta zerbitzuak, berarekin elkarrekintzari buruzko datuak n luzera finkoko ezaugarrien bektore gisa irudikatzen dira. Gehienetan informazio hau honakoa da:
- Erabiltzailea ezaugarritzen duten datuak (datu demografikoak, marketin-segmentua).
- Banku produktu eta zerbitzuen erabileraren historia (beti behar dugun tarteko denbora edo aldi zehatz bati lotuta dauden bezeroen ekintzak dira).
- Kanpoko datuak, eskuratzea posible balitz - adibidez, sare sozialetako iritziak.
Eta horren ondoren, churn definizio bat ateratzen dute, zeregin bakoitzerako ezberdina. Ondoren, ikaskuntza automatikoko algoritmo bat erabiltzen dute, bezeroak irteteko probabilitatea aurreikusten duena faktoreen bektore batean oinarrituta . Algoritmoa entrenatzeko, erabaki-zuhaitzen multzoak eraikitzeko esparru ezagunetako bat erabiltzen da, , , edo horien aldaketak.
Algoritmoa bera ez da txarra, baina hainbat desabantaila larri ditu churn-a iragartzeko orduan.
- Ez du "memoria" deritzona. Ereduaren sarrera uneko uneari dagozkion ezaugarri kopuru zehatz bat da. Parametroen aldaketen historiari buruzko informazioa gordetzeko, beharrezkoa da denboran zehar parametroen aldaketak ezaugarritzen dituzten ezaugarri bereziak kalkulatzea, adibidez, azken 1,2,3, XNUMX, XNUMX hilabeteetako banku-transakzioen kopurua edo zenbatekoa. Ikuspegi honek aldi baterako aldaketen izaera partzialki islatu dezake.
- Iragarpen-horizonte finkoa. Ereduak aurrez zehaztutako denbora-tarte baterako soilik aurreikusteko gai da bezeroen txanda, adibidez, hilabete lehenagoko aurreikuspena. Aurreikuspen bat behar bada beste denbora-tarte baterako, adibidez, hiru hilabeterako, orduan prestakuntza-multzoa berreraiki eta eredu berri bat berritu behar duzu.
Gure planteamendua
Berehala erabaki genuen ez genuela planteamendu estandarrak erabiliko. Guz gain, 497 lagun gehiagok eman zuten izena txapelketan, eta bakoitzak esperientzia handia zuen atzean. Beraz, horrelako baldintzetan eskema estandar baten arabera zerbait egiten saiatzea ez da ideia ona.
Eta sailkapen bitarraren ereduak dituen arazoak konpontzen hasi ginen bezeroen txandakako denboraren probabilitate-banaketa aurreikusiz. Antzeko planteamendu bat ikus daiteke , aukera ematen du churn-a malguagoa iragartzeko eta hipotesi konplexuagoak probatzeko ikuspegi klasikoan baino. Irteera-denbora modelatzen duten banaketa-familia gisa, banaketa aukeratu dugu biziraupenaren azterketan oso hedatuta dagoelako. Bezeroaren portaera biziraupen moduko bat bezala ikus daiteke.
Hona hemen parametroen arabera Weibull probabilitate dentsitate banaketaren adibideak ΠΈ :
Hau da denboran zehar hiru bezero ezberdinen probabilitate-dentsitatearen funtzioa. Denbora hilabetetan aurkezten da. Beste era batera esanda, grafiko honek erakusten du noiz den litekeena den bezero batek hurrengo bi hilabeteetan txandakatzea.Ikusten duzunez, banaketa bat duen bezero batek aukera handiagoa du Weibull(2, 0.5) eta Weibull dituzten bezeroek baino lehenago irteteko. (3,1) banaketak.
Emaitza, bezero bakoitzarentzat, bakoitzarentzat eredu bat da
hilabeteak Weibull banaketaren parametroak aurreikusten ditu, denboran zehar irteerako probabilitatearen agerraldia ondoen islatzen duena. Xehetasun gehiagorekin:
- Prestakuntza-multzoko helburu-ezaugarriak bezero jakin baterako hilabete zehatz batean irauteko geratzen den denbora dira.
- Bezero batentzako txandakatze-tasarik ez badago, suposatuko dugu txandakako denbora hilabete uneko hilabetetik daukagun historiaren amaierara arteko hilabete kopurua baino handiagoa dela.
- Erabilitako eredua: LSTM geruza duen neurona-sare errepikakorra.
- Galera-funtzio gisa, Weibull banaketarako log-probabilitate negatiboaren funtzioa erabiltzen dugu.
Hona hemen metodo honen abantailak:
- Probabilitate banaketak, sailkapen bitarraren aukera agerikoaz gain, hainbat gertakariren iragarpen malgua ahalbidetzen du, adibidez, bezero batek bankuaren zerbitzuak erabiltzeari utziko dion 3 hilabeteko epean. Gainera, behar izanez gero, banaketa honetan hainbat neurketa batez bestekoa egin daiteke.
- LSTM sare neuronal errekurrenteak memoria du eta erabilgarri dagoen historia osoa eraginkortasunez erabiltzen du. Istorioa zabaldu edo findu ahala, zehaztasuna handitzen da.
- Planteamendua erraz eskala daiteke denbora-aldiak txikiagoetan banatzean (adibidez, hilabeteak astetan banatzean).
Baina ez da nahikoa eredu on bat sortzea; bere kalitatea behar bezala ebaluatu behar da.
Nola baloratu zen kalitatea?
Lift Curve aukeratu dugu metrika gisa. Negozioetan erabiltzen da horrelako kasuetarako bere interpretazio argiagatik, ondo deskribatuta dago ΠΈ . Esaldi batean metrika honen esanahia deskribatzen baduzu, honako hau izango litzateke: "Zenbat aldiz egiten du algoritmoak aurreikuspen onena lehenengoan % ausaz baino."
Prestakuntza ereduak
Lehiaketaren baldintzek ez zuten eredu eta planteamendu desberdinak alderatu ahal izateko kalitate-metria zehatzik ezarri. Gainera, churn-aren definizioa ezberdina izan daiteke eta arazoaren adierazpenaren araberakoa izan daiteke, eta, aldi berean, negozio-helburuek zehazten dute. Hori dela eta, zein metodo den hobea ulertzeko, bi eredu entrenatu ditugu:
- Gehien erabiltzen den sailkapen bitar ikuspegia multzoko erabaki-zuhaitzaren ikaskuntza automatikoko algoritmoa erabiliz ();
- Weibull-LSTM eredua
Proba multzoa prestakuntza multzoan ez zeuden aurrez aukeratutako 500 bezerok osatzen zuten. Eredurako hiper-parametroak baliozkotze gurutzatua erabiliz, bezeroen arabera banatuta. Ezaugarri multzo berdinak erabili ziren eredu bakoitza entrenatzeko.
Ereduak memoriarik ez duenez, ezaugarri bereziak hartu ziren, hilabete bateko parametroen aldaketak azken hiru hilabeteetako parametroen batez besteko balioaren arteko erlazioa erakutsiz. Hiru hilabeteko azken aldian balioen aldaketa-tasa ezaugarritu duena. Hori gabe, Random Forest-en oinarritutako eredua Weibull-LSTM-ren aldean desabantaila batean egongo litzateke.
Zergatik LSTM Weibull banaketarekin hobea da multzoko erabaki-zuhaitzaren ikuspegia baino
Hemen dena argi dago argazki pare batean.
Algoratze-kurba algoritmo klasikorako eta Weibull-LSTM-ren konparaketa
Algoratze-kurbaren metrikaren konparazioa hilabeteka algoritmo klasikorako eta Weibull-LSTMrako
Oro har, LSTM algoritmo klasikoaren gainetik dago ia kasu guztietan.
Churn iragarpena
Weibull banaketa duten LSTM zelulak dituen neurona-sare errepikakorrean oinarritutako eredu batek aldez aurretik iragartzeko aukera du, adibidez, hurrengo n hilabeteetan bezeroen iragarpena. Demagun n = 3 kasua. Kasu honetan, hilabete bakoitzeko, sare neuronalak behar bezala zehaztu behar du bezeroa joango den ala ez, hurrengo hilabetetik hasi eta ngarren hilabetera arte. Beste era batera esanda, behar bezala zehaztu behar du bezeroa n hilabeteren buruan geratuko den. Hori aldez aurretik iragarpentzat har daiteke: bezeroa irteteaz pentsatzen hasi berria zen unea iragartzea.
Konpara dezagun Weibull-LSTM 1, 2 eta 3 hilabeteko igoera-kurba irteera baino lehen:
Dagoeneko idatzi dugu jada denbora batez aktibo ez dauden bezeroei egindako aurreikuspenak ere garrantzitsuak direla. Hori dela eta, hemen laginaren kasuak gehituko dizkiogu joandako bezeroak hilabete bat edo bi hilabetez inaktibo egon denean, eta egiaztatu Weibull-LSTM-k kasuak behar bezala sailkatzen dituela churn gisa. Horrelako kasuak laginean zeudenez, sareak ondo kudeatzea espero dugu:
Bezeroaren atxikipena
Egia esan, hori da egin daitekeen gauza nagusia, halako bezeroak produktua erabiltzeari uzteko prestatzen ari diren informazioa esku artean edukitzea. Bezeroei eusteko zerbait erabilgarria eskain diezaiekeen eredu bat eraikitzeaz hitz egitean, ezin da egin, ondo amaituko litzatekeen antzeko saiakeren historiarik ez baduzu.
Ez genuen halako istoriorik, beraz, horrela erabaki genuen.
- Bezero bakoitzarentzat produktu interesgarriak identifikatzen dituen eredu bat eraikitzen ari gara.
- Hilero sailkatzailea exekutatzen dugu eta balizko bezeroak identifikatzen ditugu.
- Bezero batzuei produktua eskaintzen diegu, 1. puntuko ereduaren arabera, eta gure ekintzak gogoratzen ditugu.
- Hilabete batzuk igaro ondoren, utz zitezkeen bezero horietako zeintzuk utzi eta zein geratu ziren aztertzen dugu. Horrela, prestakuntza-lagin bat osatzen dugu.
- 4. urratsean lortutako historia erabiliz eredua entrenatzen dugu.
- Aukeran, prozedura errepikatuko dugu, 1. urratseko eredua 5. urratsean lortutako ereduarekin ordezkatuz.
Atxikipen horren kalitatearen proba bat A/B proba arrunten bidez egin daiteke. Bi taldetan banatzen ditugu irteten diren bezeroak. Bati gure atxikipen ereduan oinarritutako produktuak eskaintzen dizkiogu, eta besteari ez diogu ezer eskaintzen. Dagoeneko gure adibideko 1. puntuan erabilgarria izan zitekeen eredu bat prestatzea erabaki genuen.
Segmentazioa ahalik eta interpretagarriena egin nahi izan dugu. Horretarako, erraz interpreta daitezkeen hainbat ezaugarri aukeratu ditugu: transakzio kopurua, soldatak, kontuaren fakturazio osoa, adina, sexua. βMapakβ taulako ezaugarriak ez ziren informaziogabetzat hartu, eta 3. βKontratuakβ taulako ezaugarriak ez ziren kontuan hartu prozesamenduaren konplexutasunagatik, baliozkotze-multzoaren eta prestakuntza-multzoaren arteko datu-ihesak ekiditeko.
Clustering nahasketa-eredu gaussiarrak erabiliz egin da. Akaike informazio irizpideak 2 optima zehaztea ahalbidetu digu. Lehenengo optimoa kluster 1ari dagokio. Bigarren optimoa, ez hain nabarmena, 80 multzori dagokio. Emaitza horretatik abiatuta, ondorio hau atera dezakegu: ikaragarri zaila da datuak klusteretan banatzea a priori informaziorik eman gabe. Klusterketa hobea lortzeko, bezero bakoitza zehatz-mehatz deskribatzen duten datuak behar dituzu.
Horregatik, gainbegiraturiko ikaskuntzaren arazoa kontuan hartu zen, bezero bakoitzari produktu ezberdin bat eskaintzeko. Produktu hauek hartu dira kontuan: "Eperako gordailua", "Kreditu txartela", "Gehiegizko zorra", "Kontsumorako mailegua", "Autoen mailegua", "Hipoteka".
Datuek produktu mota bat gehiago barne hartzen zuten: βKontu korronteaβ. Baina ez dugu kontuan hartu informazio-eduki txikiagatik. Bankuko bezero diren erabiltzaileentzat, hau da. ez zuen bere produktuak erabiltzeari utzi, eredu bat eraiki zen haien intereseko zein produktu izan litekeen aurreikusteko. Erregresio logistikoa aukeratu zen eredu gisa, eta lehen 10 pertzentiletako Igogailuaren balioa erabili zen kalitatea ebaluatzeko metrika gisa.
Irudian ereduaren kalitatea baloratu daiteke.
Bezeroentzako produktuen gomendio ereduaren emaitzak
Guztira
Planteamendu honek lehen postua ekarri digu "AI Bankuetan" kategorian RAIF-Challenge 2017 AI Txapelketan.
Antza denez, arazoari ezohiko angelu batetik heltzea eta beste egoera batzuetarako erabili ohi den metodoa erabiltzea zen nagusia.
Erabiltzaileen irteera masiboa zerbitzuetarako hondamendi naturala izan daitekeen arren.
Metodo hau kontutan izan daiteke irteera-fluxua kontuan hartzea garrantzitsua den beste edozein arlotarako, ez bakarrik bankuetarako. Adibidez, gure irteera kalkulatzeko erabili dugu - Rostelecom-en Siberiako eta San Petersburgoko adarretan.
"Data Mining Laboratory" enpresa "Sputnik" bilaketa ataria
Iturria: www.habr.com