આપણે કેવી રીતે કુદરતી આફતની જેમ નજીક આવીને મંથનની આગાહી કરી

કેટલીકવાર, સમસ્યાને હલ કરવા માટે, તમારે તેને અલગ ખૂણાથી જોવાની જરૂર છે. જો પાછલા 10 વર્ષોમાં સમાન સમસ્યાઓનો ઉકેલ વિવિધ અસરો સાથે સમાન રીતે કરવામાં આવ્યો હોય, તો પણ તે હકીકત નથી કે આ પદ્ધતિ એકમાત્ર છે.

ગ્રાહક મંથન જેવો વિષય છે. આ બાબત અનિવાર્ય છે, કારણ કે કોઈપણ કંપનીના ગ્રાહકો, ઘણા કારણોસર, તેના ઉત્પાદનો અથવા સેવાઓનો ઉપયોગ કરવાનું બંધ કરી શકે છે. અલબત્ત, કંપની માટે, મંથન એ કુદરતી છે, પરંતુ સૌથી વધુ ઇચ્છનીય ક્રિયા નથી, તેથી દરેક વ્યક્તિ આ મંથનને ઓછું કરવાનો પ્રયાસ કરે છે. હજી વધુ સારું, વપરાશકર્તાઓની ચોક્કસ શ્રેણી અથવા ચોક્કસ વપરાશકર્તા માટે મંથનની સંભાવનાની આગાહી કરો અને તેમને જાળવી રાખવા માટે કેટલાક પગલાં સૂચવો.

ઓછામાં ઓછા નીચેના કારણોસર, જો શક્ય હોય તો, ક્લાયંટનું વિશ્લેષણ કરવું અને તેને જાળવી રાખવાનો પ્રયાસ કરવો જરૂરી છે:

• નવા ગ્રાહકોને આકર્ષવા એ રીટેન્શન પ્રક્રિયાઓ કરતાં વધુ ખર્ચાળ છે. નવા ગ્રાહકોને આકર્ષવા માટે, એક નિયમ તરીકે, તમારે કેટલાક પૈસા (જાહેરાત) ખર્ચવાની જરૂર છે, જ્યારે હાલના ગ્રાહકોને વિશેષ શરતો સાથે વિશેષ ઓફર સાથે સક્રિય કરી શકાય છે;
• ગ્રાહકો શા માટે છોડે છે તેના કારણોને સમજવું એ ઉત્પાદનો અને સેવાઓને સુધારવાની ચાવી છે.

મંથનની આગાહી કરવા માટે પ્રમાણભૂત અભિગમો છે. પરંતુ AI ચેમ્પિયનશિપમાંની એકમાં, અમે આ માટે વેઇબુલ વિતરણનો પ્રયાસ કરવાનું નક્કી કર્યું. તેનો ઉપયોગ મોટાભાગે સર્વાઇવબિલિટી વિશ્લેષણ, હવામાનની આગાહી, કુદરતી આપત્તિ વિશ્લેષણ, ઔદ્યોગિક ઇજનેરી અને તેના જેવા માટે થાય છે. વેઇબુલ વિતરણ એ બે પરિમાણો દ્વારા પરિમાણિત એક વિશિષ્ટ વિતરણ કાર્ય છે и .

વિકિપીડિયા

સામાન્ય રીતે, તે એક રસપ્રદ બાબત છે, પરંતુ આઉટફ્લોની આગાહી કરવા માટે, અને સામાન્ય રીતે ફિનટેકમાં, તેનો વારંવાર ઉપયોગ થતો નથી. કટની નીચે અમે તમને કહીશું કે અમે (ડેટા માઇનિંગ લેબોરેટરી) આ કેવી રીતે કર્યું, એક સાથે “એઆઈ ઇન બેંક્સ” કેટેગરીમાં આર્ટિફિશિયલ ઈન્ટેલિજન્સ ચેમ્પિયનશિપમાં ગોલ્ડ જીત્યો.

સામાન્ય રીતે મંથન વિશે

ચાલો ગ્રાહક મંથન શું છે અને તે શા માટે એટલું મહત્વનું છે તે વિશે થોડું સમજીએ. વ્યવસાય માટે ગ્રાહક આધાર મહત્વપૂર્ણ છે. નવા ગ્રાહકો આ આધાર પર આવે છે, ઉદાહરણ તરીકે, જાહેરાતમાંથી ઉત્પાદન અથવા સેવા વિશે શીખ્યા પછી, થોડો સમય જીવે છે (ઉત્પાદનોનો સક્રિય ઉપયોગ કરો) અને થોડા સમય પછી તેનો ઉપયોગ કરવાનું બંધ કરો. આ સમયગાળાને "ગ્રાહક જીવનચક્ર" કહેવામાં આવે છે - એક શબ્દ જે ગ્રાહક જ્યારે કોઈ ઉત્પાદન વિશે શીખે છે, ખરીદીનો નિર્ણય લે છે, ચૂકવણી કરે છે, ઉપયોગ કરે છે અને વફાદાર ગ્રાહક બને છે અને આખરે ઉત્પાદનનો ઉપયોગ કરવાનું બંધ કરે છે ત્યારે તે તબક્કાઓનું વર્ણન કરે છે. એક અથવા બીજા કારણોસર. તદનુસાર, મંથન એ ક્લાયંટના જીવન ચક્રનો અંતિમ તબક્કો છે, જ્યારે ક્લાયંટ સેવાઓનો ઉપયોગ કરવાનું બંધ કરે છે, અને વ્યવસાય માટે આનો અર્થ એ થાય છે કે ક્લાયન્ટે નફો અથવા કોઈપણ લાભ લાવવાનું બંધ કરી દીધું છે.

દરેક બેંક ક્લાયંટ એ ચોક્કસ વ્યક્તિ છે જે તેની જરૂરિયાતો માટે ખાસ કરીને એક અથવા અન્ય બેંક કાર્ડ પસંદ કરે છે. જો તમે વારંવાર મુસાફરી કરો છો, તો માઇલ સાથેનું કાર્ડ હાથમાં આવશે. ઘણું ખરીદે છે - હેલો, કેશબેક કાર્ડ. તે ચોક્કસ સ્ટોર્સમાં ઘણું ખરીદે છે - અને આ માટે પહેલેથી જ એક ખાસ ભાગીદાર પ્લાસ્ટિક છે. અલબત્ત, કેટલીકવાર "સસ્તી સેવા" માપદંડના આધારે કાર્ડ પસંદ કરવામાં આવે છે. સામાન્ય રીતે, અહીં પર્યાપ્ત ચલો છે.

અને વ્યક્તિ પણ બેંક પોતે જ પસંદ કરે છે - જ્યારે તમે ખાબોરોવસ્કથી હો ત્યારે બેંકમાંથી કાર્ડ પસંદ કરવાનો શું અર્થ છે જેની શાખાઓ ફક્ત મોસ્કો અને પ્રદેશમાં છે? જો આવી બેંકનું કાર્ડ ઓછામાં ઓછું 2 ગણું વધુ નફાકારક હોય તો પણ, નજીકની બેંક શાખાઓની હાજરી હજી પણ એક મહત્વપૂર્ણ માપદંડ છે. હા, 2019 પહેલેથી જ આવી ગયું છે અને ડિજિટલ જ આપણું સર્વસ્વ છે, પરંતુ કેટલીક બેંકોની સંખ્યાબંધ સમસ્યાઓ માત્ર એક શાખામાં જ ઉકેલી શકાય છે. ઉપરાંત, ફરીથી, વસ્તીનો અમુક ભાગ સ્માર્ટફોન પરની એપ્લિકેશન કરતાં ભૌતિક બેંક પર વધુ વિશ્વાસ કરે છે, આને પણ ધ્યાનમાં લેવાની જરૂર છે.

પરિણામે, વ્યક્તિ પાસે બેંક ઉત્પાદનો (અથવા બેંક પોતે) નકારવાના ઘણા કારણો હોઈ શકે છે. મેં નોકરીઓ બદલી, અને કાર્ડનો ટેરિફ પગારમાંથી બદલાઈ ગયો “માત્ર મનુષ્યો માટે”, જે ઓછો નફાકારક છે. હું બીજા શહેરમાં ગયો જ્યાં બેંકની શાખાઓ નથી. મને શાળામાં અયોગ્ય ઓપરેટર સાથેની ક્રિયાપ્રતિક્રિયા ગમતી ન હતી. એટલે કે, ઉત્પાદનનો ઉપયોગ કરવા કરતાં ખાતું બંધ કરવાનાં વધુ કારણો હોઈ શકે છે.

અને ક્લાયંટ ફક્ત તેનો ઇરાદો સ્પષ્ટ રીતે વ્યક્ત કરી શકતો નથી - બેંકમાં આવો અને નિવેદન લખો, પરંતુ કરારને સમાપ્ત કર્યા વિના ઉત્પાદનોનો ઉપયોગ કરવાનું બંધ કરો. આવી સમસ્યાઓને સમજવા માટે મશીન લર્નિંગ અને AIનો ઉપયોગ કરવાનું નક્કી કરવામાં આવ્યું હતું.

વધુમાં, ગ્રાહક મંથન કોઈપણ ઉદ્યોગમાં થઈ શકે છે (ટેલિકોમ, ઈન્ટરનેટ પ્રદાતાઓ, વીમા કંપનીઓ, સામાન્ય રીતે, જ્યાં પણ ગ્રાહક આધાર હોય અને સમયાંતરે વ્યવહારો).

અમે શું કર્યું છે

સૌ પ્રથમ, સ્પષ્ટ સીમાનું વર્ણન કરવું જરૂરી હતું - અમે કયા સમયથી ક્લાયંટને છોડી દીધું હોવાનું ધ્યાનમાં લેવાનું શરૂ કરીએ છીએ. બેંકના દૃષ્ટિકોણથી જેણે અમને અમારા કાર્ય માટે ડેટા પ્રદાન કર્યો હતો, ક્લાયંટની પ્રવૃત્તિની સ્થિતિ દ્વિસંગી હતી - તે કાં તો સક્રિય છે કે નહીં. "પ્રવૃત્તિ" કોષ્ટકમાં એક ACTIVE_FLAG ધ્વજ હતો, જેનું મૂલ્ય "0" અથવા "1" (અનુક્રમે "નિષ્ક્રિય" અને "સક્રિય") હોઈ શકે છે. અને બધું સારું રહેશે, પરંતુ એક વ્યક્તિ એવી છે કે તે થોડો સમય સક્રિયપણે તેનો ઉપયોગ કરી શકે છે, અને પછી એક મહિના માટે સક્રિય સૂચિમાંથી બહાર નીકળી જાય છે - તે બીમાર થઈ ગયો, વેકેશન પર બીજા દેશમાં ગયો, અથવા તો પરીક્ષણ કરવા ગયો. અન્ય બેંકમાંથી કાર્ડ. અથવા કદાચ લાંબા સમયની નિષ્ક્રિયતા પછી, બેંકની સેવાઓનો ફરીથી ઉપયોગ કરવાનું શરૂ કરો

તેથી, અમે નિષ્ક્રિયતાના સમયગાળાને ચોક્કસ સતત અવધિ કહેવાનું નક્કી કર્યું જે દરમિયાન તેના માટેનો ધ્વજ "0" પર સેટ કરવામાં આવ્યો હતો.

વિવિધ લંબાઈના નિષ્ક્રિયતાના સમયગાળા પછી ગ્રાહકો નિષ્ક્રિયમાંથી સક્રિય તરફ જાય છે. અમારી પાસે પ્રયોગમૂલક મૂલ્ય "નિષ્ક્રિયતાના સમયગાળાની વિશ્વસનીયતા" ની ડિગ્રીની ગણતરી કરવાની તક છે - એટલે કે, વ્યક્તિ અસ્થાયી નિષ્ક્રિયતા પછી ફરીથી બેંક ઉત્પાદનોનો ઉપયોગ કરવાનું શરૂ કરશે તેવી સંભાવના.

ઉદાહરણ તરીકે, આ ગ્રાફ ઘણા મહિનાની નિષ્ક્રિયતા (ACTIVE_FLAG=1) પછી ક્લાયંટની પ્રવૃત્તિ (ACTIVE_FLAG=0) ફરી શરૂ કરે છે તે દર્શાવે છે.

અહીં અમે થોડી સ્પષ્ટતા કરીશું તે ડેટા સેટ જેની સાથે અમે કામ કરવાનું શરૂ કર્યું. તેથી, બેંકે નીચેના કોષ્ટકોમાં 19 મહિના માટે એકંદર માહિતી પ્રદાન કરી છે:

• "પ્રવૃત્તિ" - માસિક ગ્રાહક વ્યવહારો (કાર્ડ દ્વારા, ઈન્ટરનેટ બેંકિંગ અને મોબાઈલ બેંકિંગમાં), પગારપત્રક અને ટર્નઓવરની માહિતી સહિત.
• "કાર્ડ્સ" - વિગતવાર ટેરિફ શેડ્યૂલ સાથે ક્લાયંટ પાસે હોય તેવા તમામ કાર્ડ્સ વિશેનો ડેટા.
• "એગ્રીમેન્ટ્સ" - ક્લાયન્ટના કરારો વિશેની માહિતી (ખુલ્લા અને બંધ બંને): લોન, ડિપોઝિટ, વગેરે, દરેકના પરિમાણો સૂચવે છે.
• "ગ્રાહકો" - વસ્તી વિષયક ડેટાનો સમૂહ (લિંગ અને વય) અને સંપર્ક માહિતીની ઉપલબ્ધતા.

કાર્ય માટે અમને "નકશા" સિવાયના તમામ કોષ્ટકોની જરૂર હતી.

અહીં બીજી મુશ્કેલી હતી - આ ડેટામાં બેંકે સૂચવ્યું નથી કે કાર્ડ્સ પર કેવા પ્રકારની પ્રવૃત્તિ થઈ છે. એટલે કે, અમે સમજી શકીએ છીએ કે ત્યાં વ્યવહારો હતા કે નહીં, પરંતુ અમે હવે તેનો પ્રકાર નક્કી કરી શકતા નથી. તેથી, તે અસ્પષ્ટ હતું કે ક્લાયંટ રોકડ ઉપાડી રહ્યો હતો, પગાર મેળવતો હતો અથવા ખરીદી પર નાણાં ખર્ચી રહ્યો હતો. અમારી પાસે એકાઉન્ટ બેલેન્સનો ડેટા પણ ન હતો, જે ઉપયોગી થયો હોત.

નમૂના પોતે જ નિષ્પક્ષ હતો - આ નમૂનામાં, 19 મહિનામાં, બેંકે ગ્રાહકોને જાળવી રાખવા અને આઉટફ્લો ઘટાડવા માટે કોઈ પ્રયાસો કર્યા નથી.

તેથી, નિષ્ક્રિયતાના સમયગાળા વિશે.

મંથનની વ્યાખ્યા ઘડવા માટે, નિષ્ક્રિયતાનો સમયગાળો પસંદ કરવો આવશ્યક છે. સમય એક બિંદુ પર મંથન આગાહી બનાવવા માટે , તમારી પાસે અંતરાલમાં ઓછામાં ઓછો 3 મહિનાનો ગ્રાહક ઇતિહાસ હોવો આવશ્યક છે . અમારો ઇતિહાસ 19 મહિના સુધી મર્યાદિત હતો, તેથી અમે જો ઉપલબ્ધ હોય તો 6 મહિનાની નિષ્ક્રિયતાનો સમયગાળો લેવાનું નક્કી કર્યું. અને ઉચ્ચ-ગુણવત્તાની આગાહી માટે ન્યૂનતમ સમયગાળા માટે, અમે 3 મહિનાનો સમય લીધો. અમે ગ્રાહક ડેટા વર્તણૂકના પૃથ્થકરણના આધારે 3 અને 6 મહિનાના આંકડાઓ પ્રાયોગિક રીતે લીધા છે.

અમે મંથનની વ્યાખ્યા નીચે મુજબ ઘડી છે: ગ્રાહક મંથનનો મહિનો ACTIVE_FLAG=0 સાથે આ પહેલો મહિનો છે, જ્યાં આ મહિનાથી ACTIVE_FLAG ફીલ્ડમાં ઓછામાં ઓછા છ સતત શૂન્ય છે, બીજા શબ્દોમાં કહીએ તો, તે મહિનો કે જ્યાંથી ક્લાયંટ 6 મહિના માટે નિષ્ક્રિય હતો.

બાકી રહેલા ગ્રાહકોની સંખ્યા

બાકીના ગ્રાહકોની સંખ્યા

મંથન કેવી રીતે ગણવામાં આવે છે?

આવી સ્પર્ધાઓમાં, અને સામાન્ય રીતે વ્યવહારમાં, આઉટફ્લોની આગાહી ઘણીવાર આ રીતે કરવામાં આવે છે. ક્લાયંટ વિવિધ સમયગાળામાં ઉત્પાદનો અને સેવાઓનો ઉપયોગ કરે છે, તેની સાથેની ક્રિયાપ્રતિક્રિયા પરનો ડેટા નિશ્ચિત લંબાઈ n ની સુવિધાઓના વેક્ટર તરીકે રજૂ થાય છે. મોટેભાગે આ માહિતીમાં નીચેનાનો સમાવેશ થાય છે:

• વપરાશકર્તાની લાક્ષણિકતા દર્શાવતો ડેટા (વસ્તી વિષયક ડેટા, માર્કેટિંગ સેગમેન્ટ).
• બેંકિંગ ઉત્પાદનો અને સેવાઓના ઉપયોગનો ઇતિહાસ (આ ગ્રાહક ક્રિયાઓ છે જે હંમેશા ચોક્કસ સમય અથવા અંતરાલના સમયગાળા સાથે જોડાયેલી હોય છે જે આપણને જોઈતી હોય છે).
• બાહ્ય ડેટા, જો તે મેળવવાનું શક્ય હતું - ઉદાહરણ તરીકે, સામાજિક નેટવર્ક્સની સમીક્ષાઓ.

અને તે પછી, તેઓ મંથનની વ્યાખ્યા મેળવે છે, દરેક કાર્ય માટે અલગ. પછી તેઓ મશીન લર્નિંગ અલ્ગોરિધમનો ઉપયોગ કરે છે, જે ક્લાયન્ટના જવાની સંભાવનાની આગાહી કરે છે પરિબળોના વેક્ટર પર આધારિત . અલ્ગોરિધમને તાલીમ આપવા માટે, નિર્ણય વૃક્ષોના જોડાણો બાંધવા માટેના એક જાણીતા માળખાનો ઉપયોગ કરવામાં આવે છે, XGBoost, લાઇટજીબીએમ, કેટબૂસ્ટ અથવા તેના ફેરફારો.

અલ્ગોરિધમ પોતે ખરાબ નથી, પરંતુ જ્યારે મંથનની આગાહી કરવાની વાત આવે છે ત્યારે તેના ઘણા ગંભીર ગેરફાયદા છે.

• તેની પાસે કહેવાતી "મેમરી" નથી. મોડલનું ઇનપુટ એ ચોક્કસ સંખ્યાની સુવિધાઓ છે જે સમયના વર્તમાન બિંદુને અનુરૂપ છે. પરિમાણોમાં ફેરફારોના ઇતિહાસ વિશેની માહિતી સંગ્રહિત કરવા માટે, વિશિષ્ટ લક્ષણોની ગણતરી કરવી જરૂરી છે જે સમયાંતરે પરિમાણોમાં ફેરફારોને લાક્ષણિકતા આપે છે, ઉદાહરણ તરીકે, છેલ્લા 1,2,3, XNUMX, XNUMX મહિનામાં બેંક વ્યવહારોની સંખ્યા અથવા રકમ. આ અભિગમ માત્ર આંશિક રીતે કામચલાઉ ફેરફારોની પ્રકૃતિને પ્રતિબિંબિત કરી શકે છે.
• નિશ્ચિત આગાહી ક્ષિતિજ. મોડલ માત્ર પૂર્વનિર્ધારિત સમયગાળા માટે ગ્રાહક મંથનની આગાહી કરવામાં સક્ષમ છે, ઉદાહરણ તરીકે, એક મહિના અગાઉથી આગાહી. જો કોઈ અલગ સમયગાળા માટે આગાહીની આવશ્યકતા હોય, ઉદાહરણ તરીકે, ત્રણ મહિના, તો તમારે તાલીમ સેટને ફરીથી બનાવવાની અને નવા મોડેલને ફરીથી તાલીમ આપવાની જરૂર છે.

આપણો અભિગમ

અમે તરત જ નક્કી કર્યું કે અમે માનક અભિગમોનો ઉપયોગ કરીશું નહીં. અમારા ઉપરાંત, 497 વધુ લોકોએ ચેમ્પિયનશિપમાં નોંધણી કરી, જેમાંથી દરેકને તેમની પાછળ નોંધપાત્ર અનુભવ હતો. તેથી આવી પરિસ્થિતિઓમાં પ્રમાણભૂત યોજના અનુસાર કંઈક કરવાનો પ્રયાસ કરવો એ સારો વિચાર નથી.

અને અમે ગ્રાહક મંથન સમયની સંભાવના વિતરણની આગાહી કરીને દ્વિસંગી વર્ગીકરણ મોડલનો સામનો કરતી સમસ્યાઓનું નિરાકરણ કરવાનું શરૂ કર્યું. સમાન અભિગમ જોઈ શકાય છે અહીં, તે તમને ક્લાસિકલ અભિગમ કરતાં વધુ લવચીક રીતે મંથનની આગાહી કરવા અને વધુ જટિલ પૂર્વધારણાઓનું પરીક્ષણ કરવાની મંજૂરી આપે છે. આઉટફ્લો સમયનું મોડેલિંગ કરતા વિતરણના પરિવાર તરીકે, અમે વિતરણ પસંદ કર્યું વેઇબુલ સર્વાઇવલ વિશ્લેષણમાં તેના વ્યાપક ઉપયોગ માટે. ક્લાયન્ટની વર્તણૂકને અસ્તિત્વના એક પ્રકાર તરીકે જોઈ શકાય છે.

અહીં પરિમાણોના આધારે વેઇબુલ સંભાવના ઘનતા વિતરણના ઉદાહરણો છે и :

આ ત્રણ અલગ-અલગ ગ્રાહકોની સમયાંતરે મંથન કરવાની સંભાવના ઘનતા કાર્ય છે. સમય મહિનાઓમાં રજૂ કરવામાં આવે છે. બીજા શબ્દોમાં કહીએ તો, આ આલેખ બતાવે છે કે જ્યારે ક્લાયન્ટ આગામી બે મહિનામાં સૌથી વધુ મંથન કરે તેવી શક્યતા છે. જેમ તમે જોઈ શકો છો, વિતરણ સાથેના ક્લાયન્ટમાં વેઈબુલ(2, 0.5) અને વેઈબુલ ધરાવતા ક્લાયન્ટ કરતાં વહેલા જવાની સંભાવના વધારે છે. (3,1) વિતરણ.

પરિણામ એ એક મોડેલ છે જે, દરેક ક્લાયંટ માટે, દરેક માટે
મહિનો વેઇબુલ વિતરણના પરિમાણોની આગાહી કરે છે, જે સમય જતાં આઉટફ્લોની સંભાવનાની ઘટનાને શ્રેષ્ઠ રીતે પ્રતિબિંબિત કરે છે. વધુ વિગતમાં:

• તાલીમ સેટ પરના લક્ષ્ય લક્ષણો ચોક્કસ ક્લાયંટ માટે ચોક્કસ મહિનામાં મંથન થાય ત્યાં સુધી બાકી રહેલો સમય છે.
• જો ગ્રાહક માટે કોઈ મંથન દર ન હોય, તો અમે ધારીએ છીએ કે મંથનનો સમય વર્તમાન મહિનાથી અમારા ઇતિહાસના અંત સુધીના મહિનાઓની સંખ્યા કરતાં વધુ છે.
• વપરાયેલ મોડલ: LSTM સ્તર સાથે રિકરન્ટ ન્યુરલ નેટવર્ક.
• નુકશાન કાર્ય તરીકે, અમે Weibull વિતરણ માટે નકારાત્મક લોગ-સંભવિત કાર્યનો ઉપયોગ કરીએ છીએ.

અહીં આ પદ્ધતિના ફાયદા છે:

• સંભાવના વિતરણ, દ્વિસંગી વર્ગીકરણની સ્પષ્ટ સંભાવના ઉપરાંત, વિવિધ ઇવેન્ટ્સની લવચીક આગાહીને મંજૂરી આપે છે, ઉદાહરણ તરીકે, શું ગ્રાહક 3 મહિનાની અંદર બેંકની સેવાઓનો ઉપયોગ કરવાનું બંધ કરશે કે કેમ. ઉપરાંત, જો જરૂરી હોય તો, વિવિધ મેટ્રિક્સ આ વિતરણ પર સરેરાશ કરી શકાય છે.
• LSTM રિકરન્ટ ન્યુરલ નેટવર્ક મેમરી ધરાવે છે અને સમગ્ર ઉપલબ્ધ ઇતિહાસનો અસરકારક રીતે ઉપયોગ કરે છે. જેમ જેમ વાર્તા વિસ્તૃત અથવા શુદ્ધ થાય છે તેમ, ચોકસાઈ વધે છે.
• સમય અવધિને નાનામાં વિભાજીત કરતી વખતે અભિગમ સરળતાથી માપી શકાય છે (ઉદાહરણ તરીકે, જ્યારે મહિનાઓને અઠવાડિયામાં વિભાજિત કરવામાં આવે છે).

પરંતુ સારું મોડેલ બનાવવા માટે તે પૂરતું નથી; તમારે તેની ગુણવત્તાનું યોગ્ય મૂલ્યાંકન કરવાની પણ જરૂર છે.

ગુણવત્તાનું મૂલ્યાંકન કેવી રીતે થયું?

અમે મેટ્રિક તરીકે લિફ્ટ કર્વ પસંદ કર્યું. તે તેના સ્પષ્ટ અર્થઘટનને કારણે આવા કિસ્સાઓમાં વ્યવસાયમાં ઉપયોગમાં લેવાય છે, તે સારી રીતે વર્ણવેલ છે અહીં и અહીં. જો તમે એક વાક્યમાં આ મેટ્રિકના અર્થનું વર્ણન કરો છો, તો તે હશે "એલ્ગોરિધમ પ્રથમમાં કેટલી વખત શ્રેષ્ઠ આગાહી કરે છે અવ્યવસ્થિત કરતાં %."

તાલીમ મોડેલો

સ્પર્ધાની પરિસ્થિતિઓએ ચોક્કસ ગુણવત્તા મેટ્રિક સ્થાપિત કર્યું નથી જેના દ્વારા વિવિધ મોડેલો અને અભિગમોની તુલના કરી શકાય. તદુપરાંત, મંથનની વ્યાખ્યા અલગ હોઈ શકે છે અને તે સમસ્યાના નિવેદન પર આધારિત હોઈ શકે છે, જે બદલામાં, વ્યવસાયના લક્ષ્યો દ્વારા નક્કી કરવામાં આવે છે. તેથી, કઈ પદ્ધતિ વધુ સારી છે તે સમજવા માટે, અમે બે મોડેલોને તાલીમ આપી:

1. એસેમ્બલ ડિસિઝન ટ્રી મશીન લર્નિંગ અલ્ગોરિધમનો ઉપયોગ કરીને સામાન્ય રીતે ઉપયોગમાં લેવાતો દ્વિસંગી વર્ગીકરણ અભિગમ (લાઇટજીબીએમ);
2. Weibull-LSTM મોડલ

ટેસ્ટ સેટમાં 500 પૂર્વ-પસંદ કરેલા ક્લાયન્ટનો સમાવેશ થતો હતો જેઓ તાલીમ સેટમાં ન હતા. ક્લાયંટ દ્વારા વિભાજિત, ક્રોસ-વેલિડેશનનો ઉપયોગ કરીને મોડેલ માટે હાઇપર-પેરામીટર્સ પસંદ કરવામાં આવ્યા હતા. દરેક મોડેલને તાલીમ આપવા માટે સમાન સુવિધાઓનો ઉપયોગ કરવામાં આવ્યો હતો.

મોડેલમાં મેમરી નથી તે હકીકતને કારણે, તેના માટે વિશેષ સુવિધાઓ લેવામાં આવી હતી, જે છેલ્લા ત્રણ મહિનામાં પરિમાણોના સરેરાશ મૂલ્ય સાથે એક મહિના માટે પરિમાણોમાં ફેરફારનો ગુણોત્તર દર્શાવે છે. ત્રણ મહિનાના છેલ્લા સમયગાળામાં મૂલ્યોમાં ફેરફારનો દર શું દર્શાવે છે. આ વિના, રેન્ડમ ફોરેસ્ટ-આધારિત મોડલ Weibull-LSTM ની તુલનામાં ગેરલાભમાં હશે.

શા માટે વેઇબુલ વિતરણ સાથે LSTM એ એસેમ્બલ નિર્ણય વૃક્ષ અભિગમ કરતાં વધુ સારું છે

અહીં માત્ર એક-બે ચિત્રોમાં બધું સ્પષ્ટ છે.

ક્લાસિકલ અલ્ગોરિધમ અને Weibull-LSTM માટે લિફ્ટ કર્વની સરખામણી

ક્લાસિકલ અલ્ગોરિધમ અને Weibull-LSTM માટે મહિના પ્રમાણે લિફ્ટ કર્વ મેટ્રિકની સરખામણી

સામાન્ય રીતે, લગભગ તમામ કેસોમાં LSTM શાસ્ત્રીય અલ્ગોરિધમ કરતાં શ્રેષ્ઠ છે.

મંથન આગાહી

Weibull વિતરણ સાથે LSTM કોષો સાથે રિકરન્ટ ન્યુરલ નેટવર્ક પર આધારિત મોડેલ અગાઉથી મંથનની આગાહી કરી શકે છે, ઉદાહરણ તરીકે, આગામી n મહિનામાં ગ્રાહક મંથનની આગાહી કરી શકે છે. n = 3 માટેના કેસને ધ્યાનમાં લો. આ કિસ્સામાં, દરેક મહિના માટે, ન્યુરલ નેટવર્કે યોગ્ય રીતે નક્કી કરવું આવશ્યક છે કે ક્લાયંટ આગામી મહિનાથી શરૂ કરીને અને nમા મહિના સુધી છોડશે કે નહીં. બીજા શબ્દોમાં કહીએ તો, તે યોગ્ય રીતે નક્કી કરવું જોઈએ કે શું ગ્રાહક n મહિના પછી રહેશે. આને અગાઉથી આગાહી ગણી શકાય: તે ક્ષણની આગાહી કરવી જ્યારે ક્લાયંટ હમણાં જ છોડવા વિશે વિચારવાનું શરૂ કરી રહ્યો હતો.

ચાલો વેઈબુલ-એલએસટીએમ 1, 2 અને 3 મહિના પહેલા આઉટફ્લો માટે લિફ્ટ કર્વની તુલના કરીએ:

અમે ઉપર પહેલેથી જ લખ્યું છે કે જે ગ્રાહકો લાંબા સમય સુધી સક્રિય નથી તેમના માટે કરવામાં આવેલી આગાહીઓ પણ મહત્વપૂર્ણ છે. તેથી, અહીં અમે નમૂનામાં આવા કિસ્સાઓ ઉમેરીશું જ્યારે વિદાય થયેલ ગ્રાહક પહેલેથી જ એક કે બે મહિના માટે નિષ્ક્રિય હોય, અને તપાસો કે Weibull-LSTM આવા કેસોને મંથન તરીકે યોગ્ય રીતે વર્ગીકૃત કરે છે. નમૂનામાં આવા કિસ્સાઓ હાજર હોવાથી, અમે અપેક્ષા રાખીએ છીએ કે નેટવર્ક તેમને સારી રીતે હેન્ડલ કરશે:

ગ્રાહક સાચવણી

વાસ્તવમાં, આ મુખ્ય વસ્તુ છે જે કરી શકાય છે, હાથમાં માહિતી હોવા કે આવા અને આવા ગ્રાહકો ઉત્પાદનનો ઉપયોગ કરવાનું બંધ કરવાની તૈયારી કરી રહ્યા છે. ગ્રાહકોને જાળવી રાખવા માટે કંઈક ઉપયોગી ઓફર કરી શકે તેવા મોડેલના નિર્માણ વિશે બોલતા, જો તમારી પાસે સમાન પ્રયાસોનો ઇતિહાસ ન હોય તો તે સારી રીતે સમાપ્ત થશે.

અમારી પાસે આવી વાર્તા નથી, તેથી અમે તેને આ રીતે નક્કી કર્યું.

1. અમે એક મોડેલ બનાવી રહ્યા છીએ જે દરેક ક્લાયન્ટ માટે રસપ્રદ ઉત્પાદનોને ઓળખે છે.
2. દર મહિને અમે ક્લાસિફાયર ચલાવીએ છીએ અને સંભવિત ગ્રાહકોને ઓળખીએ છીએ.
3. અમે કેટલાક ક્લાયન્ટ્સને પોઈન્ટ 1 ના મોડલ અનુસાર ઉત્પાદન ઓફર કરીએ છીએ અને અમારી ક્રિયાઓ યાદ રાખીએ છીએ.
4. થોડા મહિનાઓ પછી, અમે જોઈએ છીએ કે આમાંથી ક્યા સંભવિત ક્લાયન્ટ્સે છોડી દીધું અને કયું બાકી રહ્યું. આમ, અમે તાલીમ નમૂના બનાવીએ છીએ.
5. અમે પગલું 4 માં મેળવેલ ઇતિહાસનો ઉપયોગ કરીને મોડેલને તાલીમ આપીએ છીએ.
6. વૈકલ્પિક રીતે, અમે પ્રક્રિયાને પુનરાવર્તિત કરીએ છીએ, પગલું 1 થી મોડેલને પગલું 5 માં મેળવેલા મોડેલ સાથે બદલીને.

આવી જાળવણીની ગુણવત્તાનું પરીક્ષણ નિયમિત A/B પરીક્ષણ દ્વારા કરી શકાય છે - અમે સંભવિતપણે છોડનારા ગ્રાહકોને બે જૂથોમાં વિભાજિત કરીએ છીએ. અમે અમારા રીટેન્શન મૉડલના આધારે એકને પ્રોડક્ટ ઑફર કરીએ છીએ અને બીજાને અમે કંઈ ઑફર કરતા નથી. અમે એક મોડેલને તાલીમ આપવાનું નક્કી કર્યું જે અમારા ઉદાહરણના બિંદુ 1 પર પહેલેથી જ ઉપયોગી થઈ શકે.

અમે વિભાજનને શક્ય તેટલું અર્થઘટન કરવા ઇચ્છતા હતા. આ કરવા માટે, અમે ઘણી સુવિધાઓ પસંદ કરી છે જેનો સરળતાથી અર્થઘટન કરી શકાય છે: વ્યવહારોની કુલ સંખ્યા, વેતન, કુલ એકાઉન્ટ ટર્નઓવર, ઉંમર, લિંગ. "નકશા" કોષ્ટકની વિશેષતાઓને બિનમાહિતી તરીકે ધ્યાનમાં લેવામાં આવી ન હતી, અને માન્યતા સમૂહ અને તાલીમ સમૂહ વચ્ચે ડેટા લીકેજને ટાળવા માટે પ્રક્રિયાની જટિલતાને કારણે કોષ્ટક 3 "કરાર" ની સુવિધાઓ ધ્યાનમાં લેવામાં આવી ન હતી.

ગૌસીયન મિશ્રણ મોડલ્સનો ઉપયોગ કરીને ક્લસ્ટરિંગ હાથ ધરવામાં આવ્યું હતું. Akaike માહિતી માપદંડ અમને 2 ઑપ્ટિમા નક્કી કરવાની મંજૂરી આપે છે. પ્રથમ શ્રેષ્ઠ 1 ક્લસ્ટરને અનુરૂપ છે. બીજું શ્રેષ્ઠ, ઓછું ઉચ્ચારણ, 80 ક્લસ્ટરોને અનુરૂપ છે. આ પરિણામના આધારે, અમે નીચેના નિષ્કર્ષ પર આવી શકીએ છીએ: આપેલ માહિતી વિના ડેટાને ક્લસ્ટરોમાં વિભાજીત કરવો અત્યંત મુશ્કેલ છે. બહેતર ક્લસ્ટરિંગ માટે, તમારે ડેટાની જરૂર છે જે દરેક ક્લાયંટનું વિગતવાર વર્ણન કરે.

તેથી, દરેક વ્યક્તિગત ક્લાયન્ટને અલગ ઉત્પાદન ઓફર કરવા માટે નિરીક્ષણ કરેલ શિક્ષણની સમસ્યાને ધ્યાનમાં લેવામાં આવી હતી. નીચેના ઉત્પાદનોને ધ્યાનમાં લેવામાં આવ્યા હતા: “ટર્મ ડિપોઝિટ”, “ક્રેડિટ કાર્ડ”, “ઓવરડ્રાફ્ટ”, “કન્ઝ્યુમર લોન”, “કાર લોન”, “મોર્ટગેજ”.

ડેટામાં ઉત્પાદનનો વધુ એક પ્રકારનો સમાવેશ થાય છે: “વર્તમાન ખાતું”. પરંતુ તેની ઓછી માહિતી સામગ્રીને કારણે અમે તેને ધ્યાનમાં લીધું નથી. એવા વપરાશકર્તાઓ માટે કે જેઓ બેંક ક્લાયન્ટ છે, એટલે કે. તેના ઉત્પાદનોનો ઉપયોગ કરવાનું બંધ કર્યું ન હતું, એક મોડેલ બનાવવામાં આવ્યું હતું જે અનુમાન લગાવવા માટે કે કયું ઉત્પાદન તેમના માટે રુચિનું હોઈ શકે છે. લોજિસ્ટિક રીગ્રેશનને મોડેલ તરીકે પસંદ કરવામાં આવ્યું હતું, અને પ્રથમ 10 પર્સન્ટાઈલ્સ માટે લિફ્ટ મૂલ્યનો ઉપયોગ ગુણવત્તા મૂલ્યાંકન મેટ્રિક તરીકે કરવામાં આવ્યો હતો.

આકૃતિમાં મોડેલની ગુણવત્તાનું મૂલ્યાંકન કરી શકાય છે.

ગ્રાહકો માટે ઉત્પાદન ભલામણ મોડેલ પરિણામો

પરિણામ

આ અભિગમ અમને RAIF-ચેલેન્જ 2017 AI ચેમ્પિયનશિપમાં “AI in Banks” શ્રેણીમાં પ્રથમ સ્થાન લાવ્યું.

દેખીતી રીતે, મુખ્ય વસ્તુ એ હતી કે બિનપરંપરાગત કોણથી સમસ્યાનો સંપર્ક કરવો અને સામાન્ય રીતે અન્ય પરિસ્થિતિઓ માટે ઉપયોગમાં લેવાતી પદ્ધતિનો ઉપયોગ કરવો.

જો કે વપરાશકર્તાઓનો વિશાળ પ્રવાહ સેવાઓ માટે કુદરતી આપત્તિ હોઈ શકે છે.

આ પદ્ધતિને અન્ય કોઈપણ ક્ષેત્ર માટે ધ્યાનમાં લઈ શકાય છે જ્યાં માત્ર બેંકોને જ નહીં પરંતુ આઉટફ્લોને ધ્યાનમાં લેવું મહત્વપૂર્ણ છે. ઉદાહરણ તરીકે, અમે તેનો ઉપયોગ અમારા પોતાના આઉટફ્લોની ગણતરી કરવા માટે કર્યો - રોસ્ટેલિકોમની સાઇબેરીયન અને સેન્ટ પીટર્સબર્ગ શાખાઓમાં.

"ડેટા માઇનિંગ લેબોરેટરી" કંપની "સર્ચ પોર્ટલ "સ્પુટનિક"

સોર્સ: www.habr.com