{"id":30044,"date":"2019-10-31T21:33:22","date_gmt":"2019-10-31T18:33:22","guid":{"rendered":"https:\/\/prohoster.info\/blog\/kak-my-predskazyvali-ottok-podojdya-k-nemu-kak-k-stihijnomu-bedstviyu\/"},"modified":"2019-10-31T21:33:22","modified_gmt":"2019-10-31T18:33:22","slug":"kak-my-predskazyvali-ottok-podojdya-k-nemu-kak-k-stihijnomu-bedstviyu","status":"publish","type":"post","link":"https:\/\/prohoster.info\/fr\/blog\/kak-my-predskazyvali-ottok-podojdya-k-nemu-kak-k-stihijnomu-bedstviyu","title":{"rendered":"Comme nous l'avons pr\u00e9dit, le d\u00e9part doit \u00eatre abord\u00e9 comme une catastrophe naturelle.","gt_translate_keys":[{"key":"rendered","format":"text"}]},"content":{"rendered":"<p>Parfois, pour r\u00e9soudre un probl\u00e8me, il suffit de le regarder sous un autre angle. M\u00eame si, au cours des dix derni\u00e8res ann\u00e9es, des probl\u00e8mes similaires ont \u00e9t\u00e9 r\u00e9solus de la m\u00eame mani\u00e8re avec des effets diff\u00e9rents, il n'est pas certain que cette m\u00e9thode soit la seule.<\/p>\n<p>Il existe un ph\u00e9nom\u00e8ne appel\u00e9 d\u00e9part des clients. C'est quelque chose d'in\u00e9vitable, car les clients de chaque entreprise peuvent cesser d'utiliser ses produits ou services pour de nombreuses raisons. Il va sans dire que pour une entreprise, le d\u00e9part, m\u00eame s'il est naturel, n'est pas l'action la plus souhaitable, donc tout le monde essaie de minimiser ce d\u00e9part. Mieux encore, anticiper la probabilit\u00e9 de d\u00e9part d'une certaine cat\u00e9gorie d'utilisateurs ou d'un utilisateur sp\u00e9cifique et proposer des mesures pour les retenir.<\/p>\n<p>Il est n\u00e9cessaire d'analyser et d'essayer de retenir le client, si possible, pour au moins les raisons suivantes\u00a0:<\/p>\n<ul>\n<li><b>l'acquisition de nouveaux clients co\u00fbte plus cher que les proc\u00e9dures de r\u00e9tention.<\/b>. L'acquisition de nouveaux clients n\u00e9cessite g\u00e9n\u00e9ralement un certain investissement d'argent (publicit\u00e9), tandis que les clients existants peuvent \u00eatre r\u00e9activ\u00e9s par une offre sp\u00e9ciale avec des conditions particuli\u00e8res ;<\/li>\n<li><b>la compr\u00e9hension des raisons du d\u00e9part des clients est la cl\u00e9 de l'am\u00e9lioration des produits et services.<\/b>.<\/li>\n<\/ul>\n<p>\nIl existe des approches standard pour pr\u00e9dire le d\u00e9part. Mais lors d'un des championnats d'IA, nous avons d\u00e9cid\u00e9 d'essayer pour cela la distribution de Weibull. Elle est le plus souvent utilis\u00e9e pour l'analyse de survie, la pr\u00e9vision m\u00e9t\u00e9o, l'analyse des catastrophes naturelles, l'ing\u00e9nierie industrielle, et des domaines similaires. La distribution de Weibull est une fonction de distribution sp\u00e9ciale, param\u00e9tr\u00e9e par deux param\u00e8tres. <img decoding=\"async\" alt=\"Comme nous l&#039;avons pr\u00e9dit, le d\u00e9part doit \u00eatre abord\u00e9 comme une catastrophe naturelle.\" src=\"\/wp-content\/uploads\/2019\/03\/d30a25becc44269d51957349c6e8b4a0.png\" style=\"display:block;margin: 0 auto;\" \/> et <img decoding=\"async\" alt=\"Comme nous l&#039;avons pr\u00e9dit, le d\u00e9part doit \u00eatre abord\u00e9 comme une catastrophe naturelle.\" src=\"\/wp-content\/uploads\/2019\/03\/42092030604bf54a98c8379fd532bffe.png\" style=\"display:block;margin: 0 auto;\" \/>. <\/p>\n<p><noindex><a rel=\"nofollow\" href=\"https:\/\/habr.com\/ru\/company\/rostelecom\/blog\/444694\/\"><img decoding=\"async\" alt=\"Comme nous l&#039;avons pr\u00e9dit, le d\u00e9part doit \u00eatre abord\u00e9 comme une catastrophe naturelle.\" src=\"\/wp-content\/uploads\/2019\/03\/62e1933c8335dd16d765f0e358952d84.png\" style=\"display:block;margin: 0 auto;\" \/><\/a><\/noindex><br \/>\n<i>Wikipedia<\/i><\/p>\n<p>En g\u00e9n\u00e9ral, c'est un sujet int\u00e9ressant, mais pour la pr\u00e9diction du d\u00e9part, et en g\u00e9n\u00e9ral dans le secteur fintech, elle n'est pas utilis\u00e9e tr\u00e8s fr\u00e9quemment. Dans l'article, nous expliquerons comment nous (le Laboratoire d'analyse intellectuelle des donn\u00e9es) avons fait cela, remportant au passage l'or au Championnat d'intelligence artificielle dans la cat\u00e9gorie \u00ab IA dans les banques \u00bb.<br \/>\n<noindex><a rel=\"nofollow\" name=\"habracut\"><\/a><\/noindex><\/p>\n<h2>Concernant le d\u00e9part en g\u00e9n\u00e9ral.<\/h2>\n<p>\nExaminons un peu ce qu'est le taux de d\u00e9sabonnement des clients et pourquoi il est si important. Pour une entreprise, la base de clients est essentielle. De nouveaux clients arrivent dans cette base, par exemple, en d\u00e9couvrant un produit ou un service par la publicit\u00e9, ils restent un certain temps (utilisent activement les produits) et, au bout d'un moment, cessent de les utiliser. Cette p\u00e9riode est appel\u00e9e \u00ab Cycle de vie du client \u00bb (en anglais, Customer Lifecycle) \u2014 c'est un terme qui d\u00e9crit les \u00e9tapes qu'un client traverse lorsqu'il d\u00e9couvre un produit, prend une d\u00e9cision d'achat, paie, utilise et devient un consommateur fid\u00e8le, puis finit par cesser d'utiliser pour diverses raisons les produits. Ainsi, le d\u00e9sabonnement est la derni\u00e8re \u00e9tape du cycle de vie du client, o\u00f9 le client cesse d'utiliser les services, et pour l'entreprise, cela signifie que le client a cess\u00e9 de g\u00e9n\u00e9rer des b\u00e9n\u00e9fices et de fournir quoi que ce soit d'utile. <\/p>\n<p>Chaque client d'une banque est une personne sp\u00e9cifique qui choisit une carte bancaire en fonction de ses besoins. Voyage souvent \u2014 une carte avec des miles sera utile. Fait beaucoup d'achats \u2014 bienvenue, carte avec cashback. Ach\u00e8te beaucoup dans certaines boutiques \u2014 pour cela, il existe d\u00e9j\u00e0 une carte partenaire sp\u00e9ciale. Bien s\u00fbr, parfois, la carte est choisie selon le crit\u00e8re \u00ab Le service le moins cher \u00bb. En somme, il y a beaucoup de variables.<\/p>\n<p>De plus, une personne choisit elle-m\u00eame sa banque \u2014 quel est le sens de choisir une carte d'une banque dont les agences ne se trouvent qu'\u00e0 Moscou et dans ses environs, alors que vous \u00eates de Khabarovsk ? M\u00eame si la carte de cette banque est deux fois plus avantageuse, la proximit\u00e9 des agences de la banque reste un crit\u00e8re important. Oui, 2019 est d\u00e9j\u00e0 l\u00e0 et le num\u00e9rique est tout, mais certaines questions avec certaines banques peuvent \u00eatre r\u00e9solues uniquement en agence. De plus, encore une fois, une partie de la population accorde beaucoup plus de confiance \u00e0 une banque physique qu'\u00e0 une application sur smartphone, c'est aussi \u00e0 prendre en compte.<\/p>\n<p>En cons\u00e9quence, les raisons d'abandonner les produits d'une banque (ou m\u00eame la banque elle-m\u00eame) peuvent \u00eatre multiples. Changement de travail et le tarif de la carte est pass\u00e9 de \u00ab salaire \u00bb \u00e0 \u00ab Pour les simples mortels \u00bb, qui est moins avantageux. D\u00e9m\u00e9nagement dans une autre ville o\u00f9 il n'y a pas d'agences de la banque. Mauvaise exp\u00e9rience avec un op\u00e9rateur peu qualifi\u00e9 dans une agence. Ainsi, les raisons de fermer un compte peuvent \u00eatre beaucoup plus nombreuses que celles pour utiliser un produit.<\/p>\n<p>De plus, un client peut non seulement exprimer clairement son intention \u2014 se rendre \u00e0 la banque et \u00e9crire une demande, mais simplement arr\u00eater d'utiliser les produits, sans rompre le contrat. Pour comprendre de telles probl\u00e9matiques, il a \u00e9t\u00e9 d\u00e9cid\u00e9 d'utiliser l'apprentissage automatique et l'IA.<\/p>\n<p>En outre, le d\u00e9part des clients peut se produire dans n'importe quel secteur (t\u00e9l\u00e9communications, fournisseurs d'acc\u00e8s Internet, compagnies d'assurance, en gros, partout o\u00f9 il y a une base de clients et des transactions p\u00e9riodiques).<\/p>\n<h2>Ce que nous avons fait<\/h2>\n<p>\nTout d'abord, il fallait d\u00e9crire une limite claire \u2014 \u00e0 partir de quel moment nous commen\u00e7ons \u00e0 consid\u00e9rer qu'un client est parti. Du point de vue de la banque qui nous a fourni les donn\u00e9es pour travailler, l'\u00e9tat d'activit\u00e9 du client \u00e9tait binaire \u2014 il est soit actif, soit inactif. Il y avait un drapeau ACTIVE_FLAG dans la table \u00abActivit\u00e9\u00bb, dont la valeur pouvait \u00eatre soit \u00ab0\u00bb, soit \u00ab1\u00bb (respectivement, \u00abInactif\u00bb et \u00abActif\u00bb). Et tout aurait \u00e9t\u00e9 bien, mais une personne peut utiliser activement les services pendant un certain temps, puis devenir inactive pendant un mois \u2014 tomber malade, partir en vacances dans un autre pays ou m\u00eame commencer \u00e0 tester la carte d'une autre banque. Ou peut-\u00eatre, apr\u00e8s une longue p\u00e9riode d'inactivit\u00e9, recommencer \u00e0 utiliser les services de la banque.<\/p>\n<p>C'est pourquoi nous avons d\u00e9cid\u00e9 de d\u00e9signer une p\u00e9riode d'inactivit\u00e9 comme une certaine p\u00e9riode continue durant laquelle le drapeau pour elle \u00e9tait d\u00e9fini comme \u00ab0\u00bb. <\/p>\n<p><img decoding=\"async\" alt=\"Comme nous l&#039;avons pr\u00e9dit, le d\u00e9part doit \u00eatre abord\u00e9 comme une catastrophe naturelle.\" src=\"\/wp-content\/uploads\/2019\/03\/c4263f11be0f122e54ed7985ba0d2c9d.png\" style=\"display:block;margin: 0 auto;\" \/><br \/>\n<br \/>\nLes clients passent d'inactifs \u00e0 actifs apr\u00e8s des p\u00e9riodes d'inactivit\u00e9 de diff\u00e9rentes longueurs. Nous avons la possibilit\u00e9 de calculer le degr\u00e9 de la grandeur empirique \u00abfiabilit\u00e9 des p\u00e9riodes d'inactivit\u00e9\u00bb \u2014 c'est-\u00e0-dire la probabilit\u00e9 qu'une personne recommence \u00e0 utiliser les produits de la banque apr\u00e8s une p\u00e9riode d'inactivit\u00e9. <\/p>\n<p>Par exemple, ce graphique montre la reprise de l'activit\u00e9 (ACTIVE_FLAG=1) des clients apr\u00e8s plusieurs mois d'inactivit\u00e9 (ACTIVE_FLAG=0).<\/p>\n<p><img decoding=\"async\" alt=\"Comme nous l&#039;avons pr\u00e9dit, le d\u00e9part doit \u00eatre abord\u00e9 comme une catastrophe naturelle.\" src=\"\/wp-content\/uploads\/2019\/03\/3828c06a86ca6b43e77a6de61f768804.png\" style=\"display:block;margin: 0 auto;\" \/><br \/>\n<br \/>\nIci, nous allons pr\u00e9ciser un peu le jeu de donn\u00e9es avec lequel nous avons commenc\u00e9 \u00e0 travailler. Ainsi, la banque a fourni des informations agr\u00e9g\u00e9es sur 19 mois dans les tableaux suivants :<\/p>\n<ul>\n<li>\u00abActivit\u00e9\u00bb \u2014 les transactions mensuelles des clients (par cartes, dans la banque en ligne et la banque mobile), y compris les versements de salaires et les informations sur les transactions.<\/li>\n<li>\u00abCartes\u00bb \u2014 donn\u00e9es sur toutes les cartes que poss\u00e8de le client, avec un tableau tarifaire d\u00e9taill\u00e9.<\/li>\n<li>\u00abContrats\u00bb \u2014 informations sur les contrats du client (ouverts et ferm\u00e9s) : cr\u00e9dits, d\u00e9p\u00f4ts et autres, avec les param\u00e8tres de chacun.<\/li>\n<li>\u00abClients\u00bb \u2014 ensemble de donn\u00e9es d\u00e9mographiques (sexe et \u00e2ge) et existence de donn\u00e9es de contact.<\/li>\n<\/ul>\n<p>\nPour notre travail, nous avions besoin de toutes les tables, sauf celle des \u00abCartes\u00bb. <\/p>\n<p>La difficult\u00e9 ici \u00e9tait autre \u2014 dans ces donn\u00e9es, la banque ne sp\u00e9cifiait pas quelle activit\u00e9 avait eu lieu avec les cartes. Autrement dit, nous pouvions savoir s'il y avait eu des transactions ou non, mais nous ne pouvions pas d\u00e9terminer leur type. Donc, il \u00e9tait flou de savoir si le client avait retir\u00e9 des esp\u00e8ces, si son salaire avait \u00e9t\u00e9 vers\u00e9, ou s'il avait d\u00e9pens\u00e9 de l'argent pour des achats. De plus, nous n'avions pas de donn\u00e9es sur les soldes des comptes, ce qui aurait \u00e9t\u00e9 utile. <\/p>\n<p>L'\u00e9chantillon lui-m\u00eame \u00e9tait non biais\u00e9 \u2014 sur cette tranche, pendant 19 mois, la banque n'avait entrepris aucune tentative de fid\u00e9lisation des clients ou de minimisation du flux sortant.<\/p>\n<p>Parlons des p\u00e9riodes d'inactivit\u00e9.<\/p>\n<p>Pour formuler une d\u00e9finition du d\u00e9sabonnement, il faut choisir une p\u00e9riode d'inactivit\u00e9. Pour cr\u00e9er une projection de d\u00e9sabonnement \u00e0 un moment donn\u00e9, <img decoding=\"async\" alt=\"Comme nous l&#039;avons pr\u00e9dit, le d\u00e9part doit \u00eatre abord\u00e9 comme une catastrophe naturelle.\" src=\"\/wp-content\/uploads\/2019\/03\/d2faf7d1a11c2770987ab6316b1db5e8.png\" style=\"display:block;margin: 0 auto;\" \/>il est n\u00e9cessaire d'avoir l'historique des clients sur au moins 3 mois dans l'intervalle <img decoding=\"async\" alt=\"Comme nous l&#039;avons pr\u00e9dit, le d\u00e9part doit \u00eatre abord\u00e9 comme une catastrophe naturelle.\" src=\"\/wp-content\/uploads\/2019\/03\/194e5601c2f0f49866d8e8e5a9ff5993.png\" style=\"display:block;margin: 0 auto;\" \/>. Notre historique \u00e9tait limit\u00e9 \u00e0 19 mois, donc nous avons d\u00e9cid\u00e9 de prendre une p\u00e9riode d'inactivit\u00e9 de 6 mois, si elle existait. Et nous avons pris 3 mois comme p\u00e9riode minimale pour une pr\u00e9vision de qualit\u00e9. Les chiffres de 3 et 6 mois ont \u00e9t\u00e9 pris empiriquement sur la base de l'analyse du comportement de ces clients.<\/p>\n<p>Nous avons formul\u00e9 la d\u00e9finition du d\u00e9sabonnement comme suit : le mois de d\u00e9sabonnement d'un client <img decoding=\"async\" alt=\"Comme nous l&#039;avons pr\u00e9dit, le d\u00e9part doit \u00eatre abord\u00e9 comme une catastrophe naturelle.\" src=\"\/wp-content\/uploads\/2019\/03\/3d581f5378975105aa6e73cacc175aeb.png\" style=\"display:block;margin: 0 auto;\" \/> est le premier mois avec ACTIVE_FLAG=0, o\u00f9 \u00e0 partir de ce mois, il y a au moins six z\u00e9ros cons\u00e9cutifs dans le champ ACTIVE_FLAG, en d'autres termes, le mois \u00e0 partir duquel le client a \u00e9t\u00e9 inactif pendant 6 mois. <\/p>\n<p><img decoding=\"async\" alt=\"Comme nous l&#039;avons pr\u00e9dit, le d\u00e9part doit \u00eatre abord\u00e9 comme une catastrophe naturelle.\" src=\"\/wp-content\/uploads\/2019\/03\/04ea6d4c59a9497733e4a181a4a5847c.png\" style=\"display:block;margin: 0 auto;\" \/><br \/>\n<i>Nombre de clients partis<\/i><\/p>\n<p><img decoding=\"async\" alt=\"Comme nous l&#039;avons pr\u00e9dit, le d\u00e9part doit \u00eatre abord\u00e9 comme une catastrophe naturelle.\" src=\"\/wp-content\/uploads\/2019\/03\/4d470cbe91bbc6ee7ddfd1933e90e62c.png\" style=\"display:block;margin: 0 auto;\" \/><br \/>\n<i>Nombre de clients restants<\/i><\/p>\n<h2>Comment le d\u00e9sabonnement est-il g\u00e9n\u00e9ralement consid\u00e9r\u00e9<\/h2>\n<p>\nDans de telles comp\u00e9titions, et en pratique en g\u00e9n\u00e9ral, le d\u00e9sabonnement est souvent pr\u00e9dit de cette mani\u00e8re. Le client utilise des produits et services \u00e0 diff\u00e9rents intervalles de temps, les donn\u00e9es sur son interaction sont repr\u00e9sent\u00e9es sous la forme d'un vecteur de caract\u00e9ristiques de longueur fixe n. Le plus souvent, cette information comprend :<\/p>\n<ul>\n<li>Donn\u00e9es caract\u00e9risant l'utilisateur (donn\u00e9es d\u00e9mographiques, segment marketing).<\/li>\n<li>Historique d'utilisation des produits et services bancaires (ce sont des actions des clients qui sont toujours li\u00e9es \u00e0 un moment donn\u00e9 ou \u00e0 une p\u00e9riode de l'intervalle souhait\u00e9).<\/li>\n<li>Donn\u00e9es externes, si elles ont pu \u00eatre obtenues \u2014 par exemple, des avis provenant des r\u00e9seaux sociaux.<\/li>\n<\/ul>\n<p>\nEt c'est seulement apr\u00e8s cela qu'ils \u00e9tablissent une d\u00e9finition de l'attrition, propre \u00e0 chaque t\u00e2che. Ensuite, ils utilisent un algorithme d'apprentissage machine qui pr\u00e9dit la probabilit\u00e9 de d\u00e9part du client. <img decoding=\"async\" alt=\"Comme nous l&#039;avons pr\u00e9dit, le d\u00e9part doit \u00eatre abord\u00e9 comme une catastrophe naturelle.\" src=\"\/wp-content\/uploads\/2019\/03\/79ce2d7f3193a9aab0b985c9a0cd0ee1.png\" style=\"display:block;margin: 0 auto;\" \/> sur la base d'un vecteur de facteurs. <img decoding=\"async\" alt=\"Comme nous l&#039;avons pr\u00e9dit, le d\u00e9part doit \u00eatre abord\u00e9 comme une catastrophe naturelle.\" src=\"\/wp-content\/uploads\/2019\/03\/546791c513159e41d5950adca001d620.png\" style=\"display:block;margin: 0 auto;\" \/>. Pour entra\u00eener l'algorithme, ils utilisent l'un des frameworks bien connus de construction d'ensembles d'arbres d\u00e9cisionnels, <noindex><a rel=\"nofollow\" href=\"https:\/\/xgboost.readthedocs.io\/en\/latest\/\">cuML<\/a><\/noindex>, <noindex><a rel=\"nofollow\" href=\"https:\/\/github.com\/Microsoft\/LightGBM\">LightGBM<\/a><\/noindex>, <noindex><a rel=\"nofollow\" href=\"https:\/\/github.com\/catboost\/catboost\">CatBoost<\/a><\/noindex> ou leurs modifications. <\/p>\n<p>L'algorithme en soi est bon, mais en ce qui concerne la pr\u00e9vision de l'attrition, il pr\u00e9sente plusieurs inconv\u00e9nients s\u00e9rieux.<\/p>\n<ul>\n<li><b>Il n'a pas ce qu'on appelle 'la m\u00e9moire'.<\/b>\u00c0 l'entr\u00e9e du mod\u00e8le, un certain nombre de caract\u00e9ristiques correspondant au moment actuel sont fournies. Pour int\u00e9grer des informations sur l'historique des changements de param\u00e8tres, il est n\u00e9cessaire de calculer des caract\u00e9ristiques sp\u00e9ciales, qui d\u00e9crivent les changements de param\u00e8tres dans le temps, par exemple le nombre ou le total des transactions bancaires des 1, 2, 3 derniers mois. Cette approche ne peut que partiellement refl\u00e9ter la nature des changements temporels. <\/li>\n<li><b>Horizon de pr\u00e9vision fixe.<\/b> Le mod\u00e8le est capable de pr\u00e9dire l'attrition des clients uniquement sur un intervalle de temps pr\u00e9alablement d\u00e9fini, par exemple, une pr\u00e9vision pour un mois \u00e0 venir. Si une pr\u00e9vision pour un autre intervalle de temps est requise, par exemple, pour trois mois, il faut reconstruire l'\u00e9chantillon d'entra\u00eenement et r\u00e9entra\u00eener un nouveau mod\u00e8le. <\/li>\n<\/ul>\n<p><\/p>\n<h2>Notre approche<\/h2>\n<p>\nNous avons imm\u00e9diatement d\u00e9cid\u00e9 de ne pas utiliser les approches standards. Dans le championnat, 497 autres personnes se sont \u00e9galement inscrites, chacune ayant une solide exp\u00e9rience. Donc, essayer de faire quelque chose selon un sch\u00e9ma standard dans de telles conditions n'est pas la meilleure id\u00e9e.<\/p>\n<p>Et nous avons commenc\u00e9 \u00e0 r\u00e9soudre les probl\u00e8mes pos\u00e9s par le mod\u00e8le de classification binaire en pr\u00e9disant la distribution probabiliste du temps d'attrition des clients. Une telle approche peut \u00eatre consult\u00e9e <noindex><a rel=\"nofollow\" href=\"https:\/\/ragulpr.github.io\/assets\/draft_master_thesis_martinsson_egil_wtte_rnn_2016.pdf\">ici<\/a><\/noindex>, elle permet de pr\u00e9dire l'attrition de mani\u00e8re plus flexible et de v\u00e9rifier des hypoth\u00e8ses plus complexes que dans l'approche classique. Comme famille de distributions mod\u00e9lisant le temps d'attrition, nous avons choisi la distribution <noindex><a rel=\"nofollow\" href=\"https:\/\/ru.wikipedia.org\/wiki\/%D0%A0%D0%B0%D1%81%D0%BF%D1%80%D0%B5%D0%B4%D0%B5%D0%BB%D0%B5%D0%BD%D0%B8%D0%B5_%D0%92%D0%B5%D0%B9%D0%B1%D1%83%D0%BB%D0%BB%D0%B0\">Weibull<\/a><\/noindex> pour son utilisation \u00e9tendue dans l'analyse de la survie. Le comportement du client peut \u00eatre consid\u00e9r\u00e9 comme une sorte de survie. <\/p>\n<p>Voici des exemples de distributions de densit\u00e9s de probabilit\u00e9 de Weibull en fonction des param\u00e8tres <img decoding=\"async\" alt=\"Comme nous l&#039;avons pr\u00e9dit, le d\u00e9part doit \u00eatre abord\u00e9 comme une catastrophe naturelle.\" src=\"\/wp-content\/uploads\/2019\/03\/57c935da52faf825ceedb4389d21c354.png\" style=\"display:block;margin: 0 auto;\" \/> et <img decoding=\"async\" alt=\"Comme nous l&#039;avons pr\u00e9dit, le d\u00e9part doit \u00eatre abord\u00e9 comme une catastrophe naturelle.\" src=\"\/wp-content\/uploads\/2019\/03\/85d1c92d5b9dfa83d13092edefb29a09.png\" style=\"display:block;margin: 0 auto;\" \/>:<\/p>\n<p><img decoding=\"async\" alt=\"Comme nous l&#039;avons pr\u00e9dit, le d\u00e9part doit \u00eatre abord\u00e9 comme une catastrophe naturelle.\" src=\"\/wp-content\/uploads\/2019\/03\/371e51ab8df2c10d5b139aadf290ebf8.png\" style=\"display:block;margin: 0 auto;\" \/><br \/>\n<br \/>\nC'est la densit\u00e9 de distribution de la probabilit\u00e9 de d\u00e9sabonnement de trois clients diff\u00e9rents au fil du temps. Le temps est repr\u00e9sent\u00e9 en mois. En d'autres termes, ce graphique montre quand il est le plus probable qu'un client se d\u00e9sabonne dans les deux mois suivants. Comme on peut le constater, le client avec cette distribution a un potentiel de d\u00e9sabonnement plus t\u00f4t que les clients avec les distributions Weibull(2, 0.5) et Weibull(3,1). <\/p>\n<p>En fin de compte, nous obtenons un mod\u00e8le qui pr\u00e9dit pour chaque client, pour n'importe quel<br \/>\nmois, les param\u00e8tres de la distribution de Weibull, refl\u00e9tant au mieux l'arriv\u00e9e de la probabilit\u00e9 de d\u00e9sabonnement au fil du temps. Pour \u00eatre plus pr\u00e9cis : <\/p>\n<ul>\n<li>Les caract\u00e9ristiques cibles dans l'\u00e9chantillon d'apprentissage sont le temps restant avant le d\u00e9sabonnement pour un mois sp\u00e9cifique pour un client sp\u00e9cifique.<\/li>\n<li>S'il n'y a pas d'indicateur de d\u00e9sabonnement pour un client, nous supposons que le temps de d\u00e9sabonnement est sup\u00e9rieur au nombre de mois \u00e9coul\u00e9s depuis le d\u00e9but de l'histoire que nous avons.<\/li>\n<li>Mod\u00e8le utilis\u00e9 : r\u00e9seau de neurones r\u00e9current avec couche LSTM.<\/li>\n<li>Nous utilisons comme fonction de perte la fonction de vraisemblance logarithmique n\u00e9gative pour la distribution de Weibull.<\/li>\n<\/ul>\n<p>\nVoici les avantages de cette m\u00e9thode : <\/p>\n<ul>\n<li>La distribution de probabilit\u00e9, en plus de la possibilit\u00e9 \u00e9vidente de classification binaire, permet de pr\u00e9dire de mani\u00e8re flexible diff\u00e9rents \u00e9v\u00e9nements, par exemple, si un client continuera \u00e0 utiliser les services de la banque dans les 3 mois. De plus, si n\u00e9cessaire, diff\u00e9rentes m\u00e9triques peuvent \u00eatre moyenn\u00e9es selon cette distribution.<\/li>\n<li>Le r\u00e9seau de neurones r\u00e9current LSTM a de la m\u00e9moire et utilise efficacement toute l'histoire disponible. Avec l'expansion ou le raffinement de l'histoire, la pr\u00e9cision augmente.<\/li>\n<li>L'approche peut facilement \u00eatre \u00e9volu\u00e9e en divisant les intervalles de temps en plus petites unit\u00e9s (par exemple, en divisant les mois en semaines).<\/li>\n<\/ul>\n<p>\nMais il ne suffit pas de cr\u00e9er un bon mod\u00e8le, il faut aussi \u00e9valuer correctement sa qualit\u00e9.<\/p>\n<h2>Comment la qualit\u00e9 a \u00e9t\u00e9 \u00e9valu\u00e9e<\/h2>\n<p>\nNous avons choisi comme m\u00e9trique la Lift Curve. Elle est couramment utilis\u00e9e dans le monde des affaires pour des cas similaires gr\u00e2ce \u00e0 son interpr\u00e9tation claire, elle est bien d\u00e9crite <noindex><a rel=\"nofollow\" href=\"http:\/\/www2.cs.uregina.ca\/~dbd\/cs831\/notes\/lift_chart\/lift_chart.html\">ici<\/a><\/noindex> et <noindex><a rel=\"nofollow\" href=\"https:\/\/www.information-management.com\/news\/why-lift\">ici<\/a><\/noindex>. Pour r\u00e9sumer le sens de cette m\u00e9trique en une phrase, cela donnerait \u00ab Combien de fois l'algorithme fait meilleure pr\u00e9diction dans les premiers <img decoding=\"async\" alt=\"Comme nous l&#039;avons pr\u00e9dit, le d\u00e9part doit \u00eatre abord\u00e9 comme une catastrophe naturelle.\" src=\"\/wp-content\/uploads\/2019\/03\/72818f84f73c2838fe7d63b33a96fd7b.png\" style=\"display:block;margin: 0 auto;\" \/>% par rapport \u00e0 un tirage al\u00e9atoire \u00bb. <\/p>\n<h2>Nous entra\u00eenons les mod\u00e8les<\/h2>\n<p>\nLes conditions de la comp\u00e9tition n'ont pas \u00e9tabli de m\u00e9trique de qualit\u00e9 pr\u00e9cise pour comparer diff\u00e9rents mod\u00e8les et approches. De plus, la d\u00e9finition du concept de d\u00e9sabonnement peut varier et d\u00e9pendre des objectifs d'affaires. Ainsi, pour d\u00e9terminer quel m\u00e9thode est la meilleure, nous avons form\u00e9 deux mod\u00e8les :<\/p>\n<ol>\n<li>Une approche couramment utilis\u00e9e de classification binaire avec un algorithme d'ensemble d'arbres d\u00e9cisionnels (<noindex><a rel=\"nofollow\" href=\"https:\/\/github.com\/Microsoft\/LightGBM\">LightGBM<\/a><\/noindex>);<\/li>\n<li> Mod\u00e8le Weibull-LSTM<\/li>\n<\/ol>\n<p>\nL'\u00e9chantillon de test \u00e9tait compos\u00e9 de 500 clients pr\u00e9alablement s\u00e9lectionn\u00e9s qui n'\u00e9taient pas dans l'\u00e9chantillon d'entra\u00eenement. Les hyperparam\u00e8tres du mod\u00e8le ont \u00e9t\u00e9 ajust\u00e9s en utilisant une validation crois\u00e9e bas\u00e9e sur les clients. Les m\u00eames ensembles de caract\u00e9ristiques ont \u00e9t\u00e9 utilis\u00e9s pour former chaque mod\u00e8le. <\/p>\n<p>\u00c9tant donn\u00e9 que le mod\u00e8le n'a pas de m\u00e9moire, des caract\u00e9ristiques sp\u00e9cifiques ont \u00e9t\u00e9 s\u00e9lectionn\u00e9es pour montrer la relation entre le changement des param\u00e8tres d'un mois par rapport \u00e0 la moyenne des param\u00e8tres des trois derniers mois. Cela caract\u00e9risait la vitesse de changement des valeurs au cours de la p\u00e9riode de trois mois pr\u00e9c\u00e9dente. Sans cela, le mod\u00e8le bas\u00e9 sur Random Forest serait d\u00e9savantag\u00e9 par rapport au Weibull-LSTM.<\/p>\n<h2>Pourquoi le LSTM avec une distribution de Weibull est-il meilleur qu'une approche bas\u00e9e sur un ensemble d'arbres d\u00e9cisionnels ? <\/h2>\n<p>\nTout est clairement illustr\u00e9 par quelques images.<\/p>\n<p><img decoding=\"async\" alt=\"Comme nous l&#039;avons pr\u00e9dit, le d\u00e9part doit \u00eatre abord\u00e9 comme une catastrophe naturelle.\" src=\"\/wp-content\/uploads\/2019\/03\/0a87a27804f1b285f66a889ed798cf6b.png\" style=\"display:block;margin: 0 auto;\" \/><br \/>\n<i>Comparaison de la courbe de lift pour l'algorithme classique et le Weibull-LSTM<\/i><\/p>\n<p><img decoding=\"async\" alt=\"Comme nous l&#039;avons pr\u00e9dit, le d\u00e9part doit \u00eatre abord\u00e9 comme une catastrophe naturelle.\" src=\"\/wp-content\/uploads\/2019\/03\/6c281677260098c7993a690c923692c8.png\" style=\"display:block;margin: 0 auto;\" \/><br \/>\n<i>Comparaison de la m\u00e9trique de courbe de lift par mois pour l'algorithme classique et le Weibull-LSTM<\/i><\/p>\n<p>Dans l'ensemble, le LSTM surpasse l'algorithme classique presque dans tous les cas.<\/p>\n<h2>Pr\u00e9diction du d\u00e9sabonnement<\/h2>\n<p>\nLe mod\u00e8le bas\u00e9 sur un r\u00e9seau de neurones r\u00e9currents avec des cellules LSTM et une distribution de Weibull peut pr\u00e9dire le d\u00e9sabonnement \u00e0 l'avance, par exemple, pr\u00e9dire le d\u00e9part d'un client au cours des n prochains mois. Consid\u00e9rons le cas pour n = 3. Dans ce cas, pour chaque mois, le r\u00e9seau de neurones doit d\u00e9terminer correctement : le client partira-t-il, \u00e0 partir du mois suivant jusqu'au n-i\u00e8me mois ? En d'autres termes, il doit d\u00e9terminer correctement si le client restera apr\u00e8s n mois. Cela peut \u00eatre consid\u00e9r\u00e9 comme une pr\u00e9vision anticip\u00e9e : pr\u00e9dire le moment o\u00f9 le client commence \u00e0 penser \u00e0 partir. <\/p>\n<p>Comparons la courbe de lift pour le Weibull-LSTM 1, 2 et 3 mois avant le d\u00e9sabonnement :<\/p>\n<p><img decoding=\"async\" alt=\"Comme nous l&#039;avons pr\u00e9dit, le d\u00e9part doit \u00eatre abord\u00e9 comme une catastrophe naturelle.\" src=\"\/wp-content\/uploads\/2019\/03\/4b2ed9cb21844cf5dc8f54bcfe092a9d.png\" style=\"display:block;margin: 0 auto;\" \/><br \/>\n<br \/>\nNous avons d\u00e9j\u00e0 mentionn\u00e9 ci-dessus que les pr\u00e9visions pour les clients inactifs pendant un certain temps sont \u00e9galement importantes. Pour cela, nous ajouterons \u00e0 l'\u00e9chantillon les cas o\u00f9 un client parti a d\u00e9j\u00e0 \u00e9t\u00e9 inactif pendant un ou deux mois, et nous v\u00e9rifierons que le Weibull-LSTM classifie correctement ces cas comme des d\u00e9parts. \u00c9tant donn\u00e9 que ces cas \u00e9taient pr\u00e9sents dans l'\u00e9chantillon, nous nous attendons \u00e0 ce que le r\u00e9seau les g\u00e8re bien :<\/p>\n<p><img decoding=\"async\" alt=\"Comme nous l&#039;avons pr\u00e9dit, le d\u00e9part doit \u00eatre abord\u00e9 comme une catastrophe naturelle.\" src=\"\/wp-content\/uploads\/2019\/03\/4fe6e918aff2f16758c671c8d547895d.png\" style=\"display:block;margin: 0 auto;\" \/><br \/>\n<\/p>\n<h2>Fid\u00e9lisation des clients<\/h2>\n<p>\nC'est en fait la principale chose \u00e0 faire lorsque l'on dispose d'informations indiquant que certains clients sont sur le point de cesser d'utiliser le produit. Pour construire un mod\u00e8le capable de proposer quelque chose d'utile aux clients afin de les fid\u00e9liser, cela ne sera pas possible si vous n'avez pas d'historique d'essais similaires qui se sont bien termin\u00e9s.<\/p>\n<p>Nous n'avons pas eu un tel historique, c'est pourquoi nous avons d\u00e9cid\u00e9 de le faire ainsi.<\/p>\n<ol>\n<li>Nous construisons un mod\u00e8le qui d\u00e9termine les produits int\u00e9ressants pour chaque client.<\/li>\n<li>Chaque mois, nous ex\u00e9cutons le classificateur et identifions les clients potentiellement sur le d\u00e9part.<\/li>\n<li>Nous proposons le produit \u00e0 une partie des clients, conform\u00e9ment au mod\u00e8le du point 1, et nous m\u00e9morisons nos actions.<\/li>\n<li>Apr\u00e8s quelques mois, nous examinons qui parmi ces clients potentiellement sur le d\u00e9part est parti et qui est rest\u00e9. Nous formons ainsi un \u00e9chantillon d'apprentissage.<\/li>\n<li>Nous entra\u00eenons le mod\u00e8le sur l'historique obtenu au point 4.<\/li>\n<li>En option, nous r\u00e9p\u00e9tons la proc\u00e9dure en rempla\u00e7ant le mod\u00e8le du point 1 par le mod\u00e8le obtenu au point 5.<\/li>\n<\/ol>\n<p>\nLa v\u00e9rification de la qualit\u00e9 de cette fid\u00e9lisation peut se faire par un simple A\/B testing : nous divisons les clients potentiellement sur le d\u00e9part en deux groupes. \u00c0 l'un, nous proposons des produits bas\u00e9s sur notre mod\u00e8le de fid\u00e9lisation, \u00e0 l'autre, nous ne proposons rien. Nous avons d\u00e9cid\u00e9 d'entra\u00eener un mod\u00e8le qui pourrait \u00eatre utile d\u00e8s le point 1 de notre exemple.<\/p>\n<p>Nous souhaitions rendre la segmentation aussi interpr\u00e9table que possible. Pour cela, nous avons s\u00e9lectionn\u00e9 plusieurs caract\u00e9ristiques qui pouvaient \u00eatre facilement interpr\u00e9t\u00e9es : le nombre total de transactions, le salaire, le chiffre d'affaires total sur le compte, l'\u00e2ge, le sexe. Les caract\u00e9ristiques de la table \"Cartes\" n'ont pas \u00e9t\u00e9 prises en compte pour leur manque d'information, et les caract\u00e9ristiques de la table 3 \"Contrats\" pour des raisons de complexit\u00e9 de traitement afin d'\u00e9viter une fuite de donn\u00e9es entre l'ensemble de validation et l'ensemble d'apprentissage.<\/p>\n<p>La classification a \u00e9t\u00e9 effectu\u00e9e \u00e0 l'aide de mod\u00e8les de m\u00e9lange gaussien. Le crit\u00e8re d'information d'Akaike a permis de d\u00e9terminer 2 maxima. Le premier maximum correspond \u00e0 1 cluster. Le deuxi\u00e8me maximum, moins prononc\u00e9, correspond \u00e0 80 clusters. \u00c0 partir de ce r\u00e9sultat, on peut conclure que les donn\u00e9es sont tr\u00e8s difficiles \u00e0 diviser en clusters sans information a priori. Pour une classification de meilleure qualit\u00e9, des donn\u00e9es d\u00e9crivant en d\u00e9tail chaque client sont n\u00e9cessaires.<\/p>\n<p>Ainsi, nous avons consid\u00e9r\u00e9 la t\u00e2che d'apprentissage supervis\u00e9 afin de proposer \u00e0 chaque client un produit distinct. Les produits suivants ont \u00e9t\u00e9 envisag\u00e9s : \u00ab D\u00e9p\u00f4t \u00e0 terme \u00bb, \u00ab Carte de cr\u00e9dit \u00bb, \u00ab D\u00e9couvert \u00bb, \u00ab Pr\u00eat \u00e0 la consommation \u00bb, \u00ab Pr\u00eat automobile \u00bb, \u00ab Pr\u00eat hypoth\u00e9caire \u00bb. <\/p>\n<p>Il y avait \u00e9galement un autre type de produit dans les donn\u00e9es : \u00ab Compte courant \u00bb. Mais nous ne l'avons pas consid\u00e9r\u00e9 en raison de son faible niveau d'information. Pour les utilisateurs qui sont des clients de la banque, c'est-\u00e0-dire ceux qui n'ont pas cess\u00e9 d'utiliser ses produits, un mod\u00e8le a \u00e9t\u00e9 construit pour pr\u00e9dire quel produit pourrait les int\u00e9resser. Une r\u00e9gression logistique a \u00e9t\u00e9 choisie comme mod\u00e8le et la valeur Lift pour les 10 premiers percentiles a \u00e9t\u00e9 utilis\u00e9e comme m\u00e9trique d'\u00e9valuation de la qualit\u00e9. <\/p>\n<p>La qualit\u00e9 du mod\u00e8le peut \u00eatre \u00e9valu\u00e9e sur le graphique.<\/p>\n<p><img decoding=\"async\" alt=\"Comme nous l&#039;avons pr\u00e9dit, le d\u00e9part doit \u00eatre abord\u00e9 comme une catastrophe naturelle.\" src=\"\/wp-content\/uploads\/2019\/03\/77cab18988ab9c3b768b86e31479817f.png\" style=\"display:block;margin: 0 auto;\" \/><br \/>\n<i>R\u00e9sultats du mod\u00e8le de recommandation de produits pour les clients <\/i> <\/p>\n<h2>Conclusion<\/h2>\n<p>\nCette approche nous a valu la premi\u00e8re place dans la nomination \u00ab IA dans les banques \u00bb au Championnat IA RAIF-Challenge 2017.<\/p>\n<p><img decoding=\"async\" alt=\"Comme nous l&#039;avons pr\u00e9dit, le d\u00e9part doit \u00eatre abord\u00e9 comme une catastrophe naturelle.\" src=\"\/wp-content\/uploads\/2019\/03\/0c321869dfd02323766c025ed4021bcf.png\" style=\"display:block;margin: 0 auto;\" \/><br \/>\n<br \/>\nApparemment, l'\u00e9l\u00e9ment cl\u00e9 \u00e9tait de s'attaquer au probl\u00e8me sous un angle peu habituel et d'utiliser une m\u00e9thode g\u00e9n\u00e9ralement appliqu\u00e9e \u00e0 d'autres situations.<\/p>\n<p>Bien qu'un retrait massif d'utilisateurs puisse \u00eatre une catastrophe naturelle pour les services.<\/p>\n<p>Cette m\u00e9thode peut \u00e9galement \u00eatre not\u00e9e pour d'autres domaines o\u00f9 il est important de consid\u00e9rer les retraits, pas seulement pour les banques. Par exemple, nous l'avons utilis\u00e9e pour calculer notre propre taux de d\u00e9part \u2014 dans les agences de Sib\u00e9rie et de Saint-P\u00e9tersbourg de Rostelecom.<\/p>\n<p><i>\u00ab Laboratoire d'analyse intelligente des donn\u00e9es \u00bb de la soci\u00e9t\u00e9 \u00ab Portail de recherche \u00ab Sputnik \u00bb<\/i><br \/>\n<br \/>Source : <a content=\"nofollow\" rel=\"nofollow\" href=\"https:\/\/habr.com\/ru\/company\/rostelecom\/blog\/444694\/\">habr.com<\/a><\/p>","protected":false,"gt_translate_keys":[{"key":"rendered","format":"html"}]},"excerpt":{"rendered":"<p>\u0418\u043d\u043e\u0433\u0434\u0430 \u0434\u043b\u044f \u0442\u043e\u0433\u043e, \u0447\u0442\u043e\u0431\u044b \u0440\u0435\u0448\u0438\u0442\u044c \u043a\u0430\u043a\u0443\u044e-\u0442\u043e \u043f\u0440\u043e\u0431\u043b\u0435\u043c\u0443, \u043d\u0430\u0434\u043e \u043f\u0440\u043e\u0441\u0442\u043e \u0432\u0437\u0433\u043b\u044f\u043d\u0443\u0442\u044c \u043d\u0430 \u043d\u0435\u0435 \u043f\u043e\u0434 \u0434\u0440\u0443\u0433\u0438\u043c \u0443\u0433\u043b\u043e\u043c. \u0414\u0430\u0436\u0435 \u0435\u0441\u043b\u0438 \u043f\u043e\u0441\u043b\u0435\u0434\u043d\u0438\u0435 \u043b\u0435\u0442 10 \u043f\u043e\u0434\u043e\u0431\u043d\u044b\u0435 \u043f\u0440\u043e\u0431\u043b\u0435\u043c\u044b \u0440\u0435\u0448\u0430\u043b\u0438 \u043e\u0434\u043d\u0438\u043c \u0438 \u0442\u0435\u043c \u0436\u0435 \u0441\u043f\u043e\u0441\u043e\u0431\u043e\u043c \u0441 \u0440\u0430\u0437\u043d\u044b\u043c \u044d\u0444\u0444\u0435\u043a\u0442\u043e\u043c, \u043d\u0435 \u0444\u0430\u043a\u0442, \u0447\u0442\u043e \u044d\u0442\u043e\u0442 \u0441\u043f\u043e\u0441\u043e\u0431 \u0435\u0434\u0438\u043d\u0441\u0442\u0432\u0435\u043d\u043d\u044b\u0439. \u0415\u0441\u0442\u044c \u0442\u0430\u043a\u0430\u044f \u0442\u0435\u043c\u0430, \u043a\u0430\u043a \u043e\u0442\u0442\u043e\u043a \u043a\u043b\u0438\u0435\u043d\u0442\u043e\u0432. \u0428\u0442\u0443\u043a\u0430 \u043d\u0435\u0438\u0437\u0431\u0435\u0436\u043d\u0430\u044f, \u043f\u043e\u0442\u043e\u043c\u0443 \u0447\u0442\u043e \u043a\u043b\u0438\u0435\u043d\u0442\u044b \u043b\u044e\u0431\u043e\u0439 \u043a\u043e\u043c\u043f\u0430\u043d\u0438\u0438 \u043c\u043e\u0433\u0443\u0442 \u043f\u043e \u043c\u043d\u043e\u0436\u0435\u0441\u0442\u0432\u0443 \u043f\u0440\u0438\u0447\u0438\u043d \u0432\u0437\u044f\u0442\u044c [&hellip;]<\/p>\n","protected":false,"gt_translate_keys":[{"key":"rendered","format":"html"}]},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[],"tags":[],"class_list":["post-30044","post","type-post","status-publish","format-standard","hentry"],"aioseo_notices":[],"aioseo_head":"\n\t\t<!-- All in One SEO 5.0.2 - aioseo.com -->\n\t<meta name=\"description\" content=\"\u0418\u043d\u043e\u0433\u0434\u0430 \u0434\u043b\u044f \u0442\u043e\u0433\u043e, \u0447\u0442\u043e\u0431\u044b \u0440\u0435\u0448\u0438\u0442\u044c \u043a\u0430\u043a\u0443\u044e-\u0442\u043e \u043f\u0440\u043e\u0431\u043b\u0435\u043c\u0443, \u043d\u0430\u0434\u043e \u043f\u0440\u043e\u0441\u0442\u043e \u0432\u0437\u0433\u043b\u044f\u043d\u0443\u0442\u044c \u043d\u0430 \u043d\u0435\u0435 \u043f\u043e\u0434 \u0434\u0440\u0443\u0433\u0438\u043c \u0443\u0433\u043b\u043e\u043c.\" \/>\n\t<meta name=\"robots\" content=\"max-image-preview:large\" \/>\n\t<meta name=\"author\" content=\"Yuri Gagarin\"\/>\n\t<link rel=\"canonical\" href=\"https:\/\/prohoster.info\/fr\/blog\/kak-my-predskazyvali-ottok-podojdya-k-nemu-kak-k-stihijnomu-bedstviyu\" \/>\n\t<meta name=\"generator\" content=\"All in One SEO (AIOSEO) 5.0.2\" \/>\n\t\t<meta property=\"og:locale\" content=\"fr_FR\" \/>\n\t\t<meta property=\"og:site_name\" content=\"ProHoster | \u041a\u0443\u043f\u0438\u0442\u044c \u043d\u0430\u0434\u0435\u0436\u043d\u044b\u0439 \u0445\u043e\u0441\u0442\u0438\u043d\u0433 \u0434\u043b\u044f \u0441\u0430\u0439\u0442\u043e\u0432 \u0441 \u0437\u0430\u0449\u0438\u0442\u043e\u0439 \u043e\u0442 DDoS, VPS VDS \u0441\u0435\u0440\u0432\u0435\u0440\u044b\" \/>\n\t\t<meta property=\"og:type\" content=\"article\" \/>\n\t\t<meta property=\"og:title\" content=\"\ud83e\udd47\u041a\u0430\u043a \u043c\u044b \u043f\u0440\u0435\u0434\u0441\u043a\u0430\u0437\u044b\u0432\u0430\u043b\u0438 \u043e\u0442\u0442\u043e\u043a, \u043f\u043e\u0434\u043e\u0439\u0434\u044f \u043a \u043d\u0435\u043c\u0443 \u043a\u0430\u043a \u043a \u0441\u0442\u0438\u0445\u0438\u0439\u043d\u043e\u043c\u0443 \u0431\u0435\u0434\u0441\u0442\u0432\u0438\u044e | ProHoster\" \/>\n\t\t<meta property=\"og:description\" content=\"\u0418\u043d\u043e\u0433\u0434\u0430 \u0434\u043b\u044f \u0442\u043e\u0433\u043e, \u0447\u0442\u043e\u0431\u044b \u0440\u0435\u0448\u0438\u0442\u044c \u043a\u0430\u043a\u0443\u044e-\u0442\u043e \u043f\u0440\u043e\u0431\u043b\u0435\u043c\u0443, \u043d\u0430\u0434\u043e \u043f\u0440\u043e\u0441\u0442\u043e \u0432\u0437\u0433\u043b\u044f\u043d\u0443\u0442\u044c \u043d\u0430 \u043d\u0435\u0435 \u043f\u043e\u0434 \u0434\u0440\u0443\u0433\u0438\u043c \u0443\u0433\u043b\u043e\u043c.\" \/>\n\t\t<meta property=\"og:url\" content=\"https:\/\/prohoster.info\/fr\/blog\/kak-my-predskazyvali-ottok-podojdya-k-nemu-kak-k-stihijnomu-bedstviyu\" \/>\n\t\t<meta property=\"og:image\" content=\"https:\/\/prohoster.info\/wp-content\/uploads\/2021\/11\/logo-350.jpg\" \/>\n\t\t<meta property=\"og:image:secure_url\" content=\"https:\/\/prohoster.info\/wp-content\/uploads\/2021\/11\/logo-350.jpg\" \/>\n\t\t<meta property=\"og:image:width\" content=\"350\" \/>\n\t\t<meta property=\"og:image:height\" content=\"350\" \/>\n\t\t<meta property=\"article:published_time\" content=\"2019-10-31T18:33:22+00:00\" \/>\n\t\t<meta property=\"article:modified_time\" content=\"2019-10-31T18:33:22+00:00\" \/>\n\t\t<meta property=\"article:publisher\" content=\"https:\/\/www.facebook.com\/prohoster\" \/>\n\t\t<meta property=\"article:author\" content=\"https:\/\/www.facebook.com\/prohoster\" \/>\n\t\t<!-- All in One SEO -->\n\n","aioseo_head_json":{"title":"\ud83e\udd47Comme nous l'avons pr\u00e9dit, nous avons abord\u00e9 la fuite comme une catastrophe naturelle | ProHoster","description":"Parfois, pour r\u00e9soudre un probl\u00e8me, il suffit de le regarder sous un autre angle.","canonical_url":"https:\/\/prohoster.info\/fr\/blog\/kak-my-predskazyvali-ottok-podojdya-k-nemu-kak-k-stihijnomu-bedstviyu","robots":"max-image-preview:large","keywords":"","webmasterTools":{"miscellaneous":""},"schema":null,"og:locale":"fr_FR","og:site_name":"ProHoster | \u041a\u0443\u043f\u0438\u0442\u044c \u043d\u0430\u0434\u0435\u0436\u043d\u044b\u0439 \u0445\u043e\u0441\u0442\u0438\u043d\u0433 \u0434\u043b\u044f \u0441\u0430\u0439\u0442\u043e\u0432 \u0441 \u0437\u0430\u0449\u0438\u0442\u043e\u0439 \u043e\u0442 DDoS, VPS VDS \u0441\u0435\u0440\u0432\u0435\u0440\u044b","og:type":"article","og:title":"\ud83e\udd47\u041a\u0430\u043a \u043c\u044b \u043f\u0440\u0435\u0434\u0441\u043a\u0430\u0437\u044b\u0432\u0430\u043b\u0438 \u043e\u0442\u0442\u043e\u043a, \u043f\u043e\u0434\u043e\u0439\u0434\u044f \u043a \u043d\u0435\u043c\u0443 \u043a\u0430\u043a \u043a \u0441\u0442\u0438\u0445\u0438\u0439\u043d\u043e\u043c\u0443 \u0431\u0435\u0434\u0441\u0442\u0432\u0438\u044e | ProHoster","og:description":"\u0418\u043d\u043e\u0433\u0434\u0430 \u0434\u043b\u044f \u0442\u043e\u0433\u043e, \u0447\u0442\u043e\u0431\u044b \u0440\u0435\u0448\u0438\u0442\u044c \u043a\u0430\u043a\u0443\u044e-\u0442\u043e \u043f\u0440\u043e\u0431\u043b\u0435\u043c\u0443, \u043d\u0430\u0434\u043e \u043f\u0440\u043e\u0441\u0442\u043e \u0432\u0437\u0433\u043b\u044f\u043d\u0443\u0442\u044c \u043d\u0430 \u043d\u0435\u0435 \u043f\u043e\u0434 \u0434\u0440\u0443\u0433\u0438\u043c \u0443\u0433\u043b\u043e\u043c.","og:url":"https:\/\/prohoster.info\/fr\/blog\/kak-my-predskazyvali-ottok-podojdya-k-nemu-kak-k-stihijnomu-bedstviyu","og:image":"https:\/\/prohoster.info\/wp-content\/uploads\/2021\/11\/logo-350.jpg","og:image:secure_url":"https:\/\/prohoster.info\/wp-content\/uploads\/2021\/11\/logo-350.jpg","og:image:width":350,"og:image:height":350,"article:published_time":"2019-10-31T18:33:22+00:00","article:modified_time":"2019-10-31T18:33:22+00:00","article:publisher":"https:\/\/www.facebook.com\/prohoster","article:author":"https:\/\/www.facebook.com\/prohoster"},"aioseo_meta_data":{"post_id":"30044","title":null,"description":null,"keywords":null,"keyphrases":null,"primary_term":null,"canonical_url":null,"og_title":null,"og_description":null,"og_object_type":"default","og_image_type":"default","og_image_url":null,"og_image_width":null,"og_image_height":null,"og_image_custom_url":null,"og_image_custom_fields":null,"og_video":null,"og_custom_url":null,"og_article_section":null,"og_article_tags":null,"twitter_use_og":false,"twitter_card":"default","twitter_image_type":"default","twitter_image_url":null,"twitter_image_custom_url":null,"twitter_image_custom_fields":null,"twitter_title":null,"twitter_description":null,"schema":{"blockGraphs":[],"customGraphs":[],"default":{"data":{"Article":[],"Course":[],"Dataset":[],"FAQPage":[],"Movie":[],"Person":[],"Product":[],"ProductReview":[],"Car":[],"Recipe":[],"Service":[],"SoftwareApplication":[],"WebPage":[]},"graphName":"Article","isEnabled":true},"graphs":[]},"schema_type":null,"schema_type_options":null,"pillar_content":false,"robots_default":true,"robots_noindex":false,"robots_noarchive":false,"robots_nosnippet":false,"robots_nofollow":false,"robots_noimageindex":false,"robots_noodp":false,"robots_notranslate":false,"robots_max_snippet":null,"robots_max_videopreview":null,"robots_max_imagepreview":"large","priority":null,"frequency":null,"local_seo":null,"seo_analyzer_scan_date":"2026-01-20 23:33:19","breadcrumb_settings":null,"limit_modified_date":false,"reviewed_by":null,"ai":null,"created":"2021-03-01 03:43:15","updated":"2026-01-20 23:33:19","focus_keyword":null,"additional_keywords":null,"truseo_locale":null},"gt_translate_keys":[{"key":"link","format":"url"}],"_links":{"self":[{"href":"https:\/\/prohoster.info\/fr\/wp-json\/wp\/v2\/posts\/30044","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/prohoster.info\/fr\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/prohoster.info\/fr\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/prohoster.info\/fr\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/prohoster.info\/fr\/wp-json\/wp\/v2\/comments?post=30044"}],"version-history":[{"count":0,"href":"https:\/\/prohoster.info\/fr\/wp-json\/wp\/v2\/posts\/30044\/revisions"}],"wp:attachment":[{"href":"https:\/\/prohoster.info\/fr\/wp-json\/wp\/v2\/media?parent=30044"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/prohoster.info\/fr\/wp-json\/wp\/v2\/categories?post=30044"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/prohoster.info\/fr\/wp-json\/wp\/v2\/tags?post=30044"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}