როგორ ვიწინასწარმეტყველეთ ავარია სტიქიური უბედურების მსგავსი მიახლოებით

ზოგჯერ, პრობლემის გადასაჭრელად, უბრალოდ საჭიროა სხვა კუთხით შეხედოთ მას. მაშინაც კი, თუ ბოლო 10 წლის განმავლობაში მსგავსი პრობლემები ერთნაირად მოგვარდა სხვადასხვა ეფექტით, ფაქტი არ არის, რომ ეს მეთოდი ერთადერთია.

არის ისეთი თემა, როგორიცაა მომხმარებელთა გამოწვევა. ეს გარდაუვალია, რადგან ნებისმიერი კომპანიის მომხმარებელს შეუძლია, მრავალი მიზეზის გამო, შეწყვიტოს მისი პროდუქტებისა თუ სერვისების გამოყენება. რასაკვირველია, კომპანიისთვის ჩურნი ბუნებრივი, მაგრამ არა ყველაზე სასურველი ქმედებაა, ამიტომ ყველა ცდილობს მინიმუმამდე დაიყვანოს ეს შეფერხება. კიდევ უკეთესია, იწინასწარმეტყველოთ შეფერხების ალბათობა მომხმარებელთა კონკრეტული კატეგორიისთვის ან კონკრეტული მომხმარებლისთვის და შესთავაზოთ რამდენიმე ნაბიჯი მათ შესანარჩუნებლად.

აუცილებელია გაანალიზდეს და შეეცადოს კლიენტის შენარჩუნება, თუ ეს შესაძლებელია, მინიმუმ შემდეგი მიზეზების გამო:

• ახალი მომხმარებლების მოზიდვა უფრო ძვირია, ვიდრე შეკავების პროცედურები. ახალი მომხმარებლების მოსაზიდად, როგორც წესი, საჭიროა გარკვეული თანხის დახარჯვა (რეკლამირება), ხოლო არსებული მომხმარებლების გააქტიურება შესაძლებელია სპეციალური შეთავაზებით სპეციალური პირობებით;
• მომხმარებლების დატოვების მიზეზების გაგება არის პროდუქტებისა და სერვისების გაუმჯობესების გასაღები.

არსებობს სტანდარტული მიდგომები ნაკაწრების პროგნოზირებისთვის. მაგრამ ხელოვნური ინტელექტის ერთ-ერთ ჩემპიონატზე, ჩვენ გადავწყვიტეთ ამისთვის ვცადოთ Weibull-ის განაწილება. მას ყველაზე ხშირად იყენებენ გადარჩენის ანალიზისთვის, ამინდის პროგნოზირებისთვის, ბუნებრივი კატასტროფების ანალიზისთვის, სამრეწველო ინჟინერიისთვის და სხვა მსგავსი. ვეიბულის განაწილება არის სპეციალური განაწილების ფუნქცია, რომელიც პარამეტრირებულია ორი პარამეტრით и .

ვიკიპედია

ზოგადად, საინტერესოა, მაგრამ გადინების პროგნოზირებისთვის და ზოგადად ფინტექში, არც ისე ხშირად გამოიყენება. ფრაგმენტის ქვემოთ ჩვენ გეტყვით, თუ როგორ გავაკეთეთ ეს ჩვენ (მონაცემთა მოპოვების ლაბორატორიამ), ერთდროულად მოვიგეთ ოქრო ხელოვნური ინტელექტის ჩემპიონატზე "AI ბანკებში" კატეგორიაში.

ზოგადად ცურვის შესახებ

მოდით გავიგოთ, რა არის მომხმარებელთა გამოწვევა და რატომ არის ეს ასე მნიშვნელოვანი. მომხმარებელთა ბაზა მნიშვნელოვანია ბიზნესისთვის. ახალი მომხმარებლები მოდიან ამ ბაზაზე, მაგალითად, რეკლამიდან შეიტყვეს პროდუქტის ან სერვისის შესახებ, ცხოვრობენ გარკვეული დროის განმავლობაში (აქტიურად იყენებენ პროდუქტებს) და გარკვეული დროის შემდეგ შეწყვეტენ მის გამოყენებას. ამ პერიოდს ეწოდება "მომხმარებლის სიცოცხლის ციკლი" - ტერმინი, რომელიც აღწერს იმ ეტაპებს, რომლებსაც მომხმარებელი გაივლის, როდესაც ის შეიტყობს პროდუქტის შესახებ, იღებს გადაწყვეტილებას შესყიდვის შესახებ, იხდის, იყენებს და ხდება ლოიალური მომხმარებელი და საბოლოოდ წყვეტს პროდუქტის გამოყენებას. ამა თუ იმ მიზეზის გამო. შესაბამისად, გადახურება არის კლიენტის სასიცოცხლო ციკლის ბოლო ეტაპი, როდესაც კლიენტი წყვეტს სერვისების გამოყენებას და ბიზნესისთვის ეს ნიშნავს, რომ კლიენტმა საერთოდ შეწყვიტა მოგება ან რაიმე სარგებლობა.

ბანკის თითოეული კლიენტი არის კონკრეტული ადამიანი, რომელიც ირჩევს ამა თუ იმ საბანკო ბარათს სპეციალურად მისი საჭიროებისთვის. თუ ხშირად მოგზაურობთ, გამოგადგებათ მილიანი ბარათი. ყიდულობს ბევრს - გამარჯობა, ქეშბექი ბარათი. ის ბევრს ყიდულობს კონკრეტულ მაღაზიებში - და ამისთვის უკვე არსებობს სპეციალური პარტნიორი პლასტმასი. რა თქმა უნდა, ზოგჯერ ბარათის შერჩევა ხდება „ყველაზე იაფი სერვისის“ კრიტერიუმით. ზოგადად, აქ საკმარისი ცვლადებია.

და ადამიანი ასევე ირჩევს თავად ბანკს - რა აზრი აქვს ბარათის არჩევას ბანკიდან, რომლის ფილიალები მხოლოდ მოსკოვსა და რეგიონშია, როცა ხარ ხაბაროვსკიდან? მაშინაც კი, თუ ასეთი ბანკის ბარათი მინიმუმ 2-ჯერ უფრო მომგებიანია, იქვე ბანკის ფილიალების არსებობა მაინც მნიშვნელოვანი კრიტერიუმია. დიახ, 2019 წელი უკვე დადგა და ციფრული არის ჩვენი ყველაფერი, მაგრამ ზოგიერთ ბანკთან დაკავშირებული საკითხების მოგვარება მხოლოდ ფილიალშია შესაძლებელი. გარდა ამისა, კიდევ ერთხელ, მოსახლეობის გარკვეული ნაწილი ფიზიკურ ბანკს უფრო მეტად ენდობა, ვიდრე აპლიკაციას სმარტფონზე, ეს ასევე გასათვალისწინებელია.

შედეგად, ადამიანს შეიძლება ბევრი მიზეზი ჰქონდეს საბანკო პროდუქტებზე (ან თავად ბანკზე) უარის თქმისთვის. შევცვალე სამსახური და ბარათის ტარიფი ხელფასიდან შეიცვალა „უბრალო მოკვდავებისთვის“, რაც ნაკლებად მომგებიანია. სხვა ქალაქში გადავედი, სადაც ბანკის ფილიალები არ არის. არ მომეწონა ფილიალში არაკვალიფიციურ ოპერატორთან ურთიერთობა. ანუ, ანგარიშის დახურვის მიზეზი შეიძლება იყოს კიდევ უფრო მეტი, ვიდრე პროდუქტის გამოყენება.

და კლიენტს შეუძლია არა მხოლოდ მკაფიოდ გამოხატოს თავისი განზრახვა - მივიდეს ბანკში და დაწეროს განცხადება, არამედ უბრალოდ შეწყვიტოს პროდუქტების გამოყენება ხელშეკრულების შეწყვეტის გარეშე. გადაწყდა, რომ გამოეყენებინათ მანქანათმცოდნეობა და ხელოვნური ინტელექტი ასეთი პრობლემების გასაგებად.

უფრო მეტიც, მომხმარებელთა გადატვირთვა შეიძლება მოხდეს ნებისმიერ ინდუსტრიაში (ტელეკომი, ინტერნეტ პროვაიდერები, სადაზღვევო კომპანიები, ზოგადად, ყველგან, სადაც არის მომხმარებელთა ბაზა და პერიოდული ტრანზაქციები).

რა გავაკეთეთ

უპირველეს ყოვლისა, საჭირო იყო მკაფიო საზღვრის აღწერა - რა დროიდან ვიწყებთ კლიენტის წასვლის ხილვას. ბანკის თვალსაზრისით, რომელმაც მოგვაწოდა მონაცემები ჩვენი მუშაობისთვის, კლიენტის აქტივობის სტატუსი ორობითი იყო - ის ან აქტიურია ან არა. "აქტივობის" ცხრილში იყო ACTIVE_FLAG დროშა, რომლის მნიშვნელობა შეიძლება იყოს "0" ან "1" (შესაბამისად, "არააქტიური" და "აქტიური"). და ყველაფერი კარგად იქნება, მაგრამ ადამიანი ისეთია, რომ მას შეუძლია გარკვეული დროით აქტიურად გამოიყენოს იგი, შემდეგ კი ერთი თვით ამოვარდეს აქტიური სიიდან - ის ავად გახდა, წავიდა სხვა ქვეყანაში შვებულებაში, ან თუნდაც წავიდა ტესტირებაზე. ბარათი სხვა ბანკიდან. ან შესაძლოა დიდი ხნის უმოქმედობის შემდეგ კვლავ დაიწყოთ ბანკის სერვისებით სარგებლობა

ამიტომ, ჩვენ გადავწყვიტეთ უმოქმედობის პერიოდს დავარქვათ გარკვეული უწყვეტი პერიოდი, რომლის დროსაც მისთვის დროშა დაყენებული იყო „0“.

კლიენტები გადადიან არააქტიურიდან აქტიურზე სხვადასხვა ხანგრძლივობის უმოქმედობის პერიოდების შემდეგ. ჩვენ გვაქვს შესაძლებლობა გამოვთვალოთ ემპირიული მნიშვნელობის ხარისხი „უმოქმედობის პერიოდების სანდოობა“ - ანუ ალბათობა იმისა, რომ დროებითი უმოქმედობის შემდეგ ადამიანი კვლავ დაიწყებს საბანკო პროდუქტების გამოყენებას.

მაგალითად, ეს გრაფიკი აჩვენებს კლიენტების აქტივობის (ACTIVE_FLAG=1) განახლებას რამდენიმე თვის უმოქმედობის შემდეგ (ACTIVE_FLAG=0).

აქ ჩვენ ცოტათი დავაზუსტებთ მონაცემთა ნაკრების, რომლითაც დავიწყეთ მუშაობა. ამგვარად, ბანკმა 19 თვის განმავლობაში აგრეგირებული ინფორმაცია წარმოადგინა შემდეგ ცხრილებში:

• „აქტივობა“ - კლიენტის ყოველთვიური ტრანზაქციები (ბარათით, ინტერნეტ ბანკში და მობაილ ბანკში), სახელფასო და ბრუნვის შესახებ ინფორმაციის ჩათვლით.
• "ბარათები" - მონაცემები ყველა ბარათის შესახებ, რომელიც კლიენტს აქვს, დეტალური სატარიფო გრაფიკით.
• "ხელშეკრულებები" - ინფორმაცია კლიენტის ხელშეკრულებების შესახებ (როგორც ღია, ასევე დახურული): სესხები, დეპოზიტები და ა.შ., თითოეულის პარამეტრების მითითებით.
• "მომხმარებლები" - დემოგრაფიული მონაცემების ნაკრები (სქესი და ასაკი) და საკონტაქტო ინფორმაციის ხელმისაწვდომობა.

სამუშაოსთვის დაგვჭირდა ყველა ცხრილი, გარდა "რუქისა".

აქ სხვა სირთულე იყო - ამ მონაცემებში ბანკმა არ მიუთითა, რა სახის აქტივობა იყო ბარათებზე. ანუ გვესმოდა, იყო თუ არა ტრანზაქციები, მაგრამ მათი ტიპი ვეღარ დავადგინეთ. აქედან გამომდინარე, გაურკვეველი იყო კლიენტი იღებდა ნაღდ ფულს, იღებდა ხელფასს თუ ხარჯავდა ფულს შესყიდვებში. ასევე არ გვქონდა მონაცემები ანგარიშების ნაშთების შესახებ, რაც სასარგებლო იქნებოდა.

თავად ნიმუში იყო მიუკერძოებელი - ამ განყოფილებაში, 19 თვის განმავლობაში, ბანკს არ უცდია კლიენტების შენარჩუნება და გადინების მინიმუმამდე შემცირება.

ასე რომ, უმოქმედობის პერიოდებზე.

ჩაქრობის დეფინიციის ჩამოსაყალიბებლად, უნდა შეირჩეს უმოქმედობის პერიოდი. შეცდომის პროგნოზის შექმნა დროის გარკვეულ მომენტში , თქვენ უნდა გქონდეთ მომხმარებლის ისტორია მინიმუმ 3 თვის ინტერვალით . ჩვენი ისტორია შემოიფარგლებოდა 19 თვემდე, ამიტომ გადავწყვიტეთ 6 თვის უმოქმედობის პერიოდი, თუ ეს შესაძლებელია. და მაღალი ხარისხის პროგნოზისთვის მინიმალური პერიოდისთვის 3 თვე დაგვჭირდა. ჩვენ ავიღეთ მაჩვენებლები 3 და 6 თვის განმავლობაში ემპირიულად, მომხმარებლის მონაცემების ქცევის ანალიზის საფუძველზე.

ჩვენ ჩამოვაყალიბეთ Churn-ის განმარტება შემდეგნაირად: მომხმარებელთა გამოწვევის თვე ეს არის პირველი თვე ACTIVE_FLAG=0, სადაც ამ თვიდან არის მინიმუმ ექვსი ზედიზედ ნული ACTIVE_FLAG ველში, სხვა სიტყვებით რომ ვთქვათ, თვე, საიდანაც კლიენტი უმოქმედო იყო 6 თვის განმავლობაში.

წასული კლიენტების რაოდენობა

დარჩენილი კლიენტების რაოდენობა

როგორ გამოითვლება ჩაქრობა?

ასეთ შეჯიბრებებში და ზოგადად, პრაქტიკაში, გადინების წინასწარმეტყველება ხშირად ხდება. კლიენტი იყენებს პროდუქტებსა და სერვისებს დროის სხვადასხვა პერიოდში, მასთან ურთიერთქმედების მონაცემები წარმოდგენილია როგორც ფიქსირებული სიგრძის n-ის მახასიათებლების ვექტორი. ყველაზე ხშირად ეს ინფორმაცია მოიცავს:

• მომხმარებლის დამახასიათებელი მონაცემები (დემოგრაფიული მონაცემები, მარკეტინგული სეგმენტი).
• საბანკო პროდუქტებისა და სერვისების გამოყენების ისტორია (ეს არის მომხმარებლის ქმედებები, რომლებიც ყოველთვის უკავშირდება ჩვენთვის საჭირო ინტერვალის კონკრეტულ დროს ან პერიოდს).
• გარე მონაცემები, თუ შესაძლებელი იყო მისი მიღება - მაგალითად, მიმოხილვები სოციალური ქსელებიდან.

და ამის შემდეგ, ისინი იღებენ ცრურწმენის განმარტებას, განსხვავებული თითოეული ამოცანისთვის. შემდეგ ისინი იყენებენ მანქანათმცოდნეობის ალგორითმს, რომელიც პროგნოზირებს კლიენტის წასვლის ალბათობას ფაქტორების ვექტორზე დაყრდნობით . ალგორითმის მოსამზადებლად გამოიყენება გადაწყვეტილების ხეების ანსამბლების ასაგებად ერთ-ერთი ცნობილი ჩარჩო, Xgboost, LightGBM, CatBoost ან მისი მოდიფიკაციები.

ალგორითმი თავისთავად არ არის ცუდი, მაგრამ მას აქვს რამდენიმე სერიოზული მინუსი, როდესაც საქმე ეხება გადახურების პროგნოზირებას.

• მას არ აქვს ე.წ. "მეხსიერება". მოდელის შეყვანა არის ფუნქციების განსაზღვრული რაოდენობა, რომელიც შეესაბამება დროის მიმდინარე მომენტს. პარამეტრების ცვლილებების ისტორიის შესახებ ინფორმაციის შესანახად აუცილებელია გამოვთვალოთ სპეციალური მახასიათებლები, რომლებიც ახასიათებს პარამეტრების ცვლილებას დროთა განმავლობაში, მაგალითად, საბანკო ოპერაციების რაოდენობა ან ოდენობა ბოლო 1,2,3, XNUMX, XNUMX თვის განმავლობაში. ეს მიდგომა მხოლოდ ნაწილობრივ ასახავს დროებითი ცვლილებების ბუნებას.
• ფიქსირებული პროგნოზირების ჰორიზონტი. მოდელს შეუძლია მხოლოდ წინასწარ განსაზღვრული პერიოდის განმავლობაში წინასწარ განსაზღვროს მომხმარებელთა შერყევა, მაგალითად, პროგნოზი ერთი თვით ადრე. თუ პროგნოზი საჭიროა სხვადასხვა პერიოდისთვის, მაგალითად, სამი თვის განმავლობაში, მაშინ თქვენ უნდა აღადგინოთ სასწავლო ნაკრები და გადაამზადოთ ახალი მოდელი.

Ჩვენი მიდგომა

ჩვენ მაშინვე გადავწყვიტეთ, რომ არ გამოვიყენებდით სტანდარტულ მიდგომებს. ჩვენ გარდა, ჩემპიონატში კიდევ 497 ადამიანი დარეგისტრირდა, რომელთაგან თითოეულს საკმაოდ დიდი გამოცდილება ჰქონდა. ასე რომ, ასეთ პირობებში სტანდარტული სქემის მიხედვით რაიმეს გაკეთება არ არის კარგი იდეა.

და ჩვენ დავიწყეთ ორობითი კლასიფიკაციის მოდელის წინაშე მდგარი პრობლემების გადაჭრა მომხმარებელთა გათიშვის დროების ალბათობის განაწილების პროგნოზირებით. მსგავსი მიდგომა ჩანს აქ, ის საშუალებას გაძლევთ იწინასწარმეტყველოთ გადახურება უფრო მოქნილად და შეამოწმოთ უფრო რთული ჰიპოთეზები, ვიდრე კლასიკურ მიდგომაში. როგორც განაწილების ოჯახი, რომელიც მოდელირებს გადინების დროს, ჩვენ ავირჩიეთ განაწილება ვეიბული მისი ფართო გამოყენებისთვის გადარჩენის ანალიზში. კლიენტის ქცევა შეიძლება განიხილებოდეს, როგორც ერთგვარი გადარჩენა.

აქ მოცემულია ვეიბულის ალბათობის სიმკვრივის განაწილების მაგალითები პარამეტრების მიხედვით и :

ეს არის სამი განსხვავებული მომხმარებლის ალბათობის სიმკვრივის ფუნქცია დროთა განმავლობაში. დრო წარმოდგენილია თვეებში. სხვა სიტყვებით რომ ვთქვათ, ეს გრაფიკი გვიჩვენებს, როდესაც კლიენტი ყველაზე მეტად დაიშლება მომდევნო ორი თვის განმავლობაში. როგორც ხედავთ, დისტრიბუციის მქონე კლიენტს უფრო დიდი პოტენციალი აქვს გასვლის უფრო ადრე, ვიდრე კლიენტებს Weibull(2, 0.5) და Weibull-ით. (3,1) დისტრიბუცია.

შედეგი არის მოდელი, რომელიც, ყველა კლიენტისთვის, ყველასთვის
თვე პროგნოზირებს ვეიბულის განაწილების პარამეტრებს, რაც საუკეთესოდ ასახავს დროთა განმავლობაში გადინების ალბათობას. Უფრო დეტალურად:

• ტრენინგის ნაკრების სამიზნე ფუნქციები არის კონკრეტული კლიენტისთვის კონკრეტულ თვეში ჩაქრობამდე დარჩენილი დრო.
• თუ კლიენტისთვის არ არის დათრგუნვის მაჩვენებელი, ჩვენ ვივარაუდებთ, რომ ჩაქრობის დრო აღემატება თვეების რაოდენობას მიმდინარე თვიდან ისტორიის დასრულებამდე.
• გამოყენებული მოდელი: განმეორებადი ნერვული ქსელი LSTM ფენით.
• როგორც დანაკარგის ფუნქცია, ჩვენ ვიყენებთ უარყოფითი ჟურნალის ალბათობის ფუნქციას ვეიბულის განაწილებისთვის.

აქ არის ამ მეთოდის უპირატესობები:

• ალბათობის განაწილება, გარდა ორობითი კლასიფიკაციის აშკარა შესაძლებლობისა, იძლევა სხვადასხვა მოვლენის მოქნილი პროგნოზირების საშუალებას, მაგალითად, შეწყვეტს თუ არა კლიენტი ბანკის სერვისებით სარგებლობას 3 თვის განმავლობაში. ასევე, საჭიროების შემთხვევაში, სხვადასხვა მეტრიკა შეიძლება იყოს საშუალოდ ამ განაწილებაზე.
• LSTM მორეციდივე ნერვულ ქსელს აქვს მეხსიერება და ეფექტურად იყენებს მთელ ხელმისაწვდომ ისტორიას. სიუჟეტის გაფართოებასთან ან დახვეწასთან ერთად, სიზუსტე იზრდება.
• მიდგომა შეიძლება ადვილად მასშტაბირდეს დროის პერიოდების უფრო მცირედ დაყოფისას (მაგალითად, თვეების კვირებად დაყოფისას).

მაგრამ ეს არ არის საკმარისი კარგი მოდელის შესაქმნელად, თქვენ ასევე უნდა შეაფასოთ მისი ხარისხი.

როგორ შეფასდა ხარისხი?

ჩვენ ავირჩიეთ ლიფტის მრუდი, როგორც მეტრიკა. იგი გამოიყენება ბიზნესში ასეთი შემთხვევებისთვის მისი მკაფიო ინტერპრეტაციის გამო, კარგად არის აღწერილი აქ и აქ. თუ თქვენ აღწერთ ამ მეტრიკის მნიშვნელობას ერთი წინადადებით, ეს იქნება „რამდენჯერ აკეთებს ალგორითმი საუკეთესო პროგნოზს პირველში % ვიდრე შემთხვევით."

ტრენინგის მოდელები

კონკურენციის პირობებმა არ დაადგინა ხარისხის კონკრეტული მეტრიკა, რომლითაც შესაძლებელი იქნებოდა სხვადასხვა მოდელებისა და მიდგომების შედარება. უფრო მეტიც, ცურვის განმარტება შეიძლება იყოს განსხვავებული და შეიძლება დამოკიდებული იყოს პრობლემის განცხადებაზე, რომელიც, თავის მხრივ, განისაზღვრება ბიზნეს მიზნებით. ამიტომ, იმის გასაგებად, თუ რომელი მეთოდია უკეთესი, ჩვენ მოვამზადეთ ორი მოდელი:

1. ხშირად გამოყენებული ორობითი კლასიფიკაციის მიდგომა ანსამბლის გადაწყვეტილების ხის მანქანათმცოდნეობის ალგორითმის გამოყენებით (LightGBM);
2. Weibull-LSTM მოდელი

სატესტო კომპლექტი შედგებოდა 500 წინასწარ შერჩეული კლიენტისგან, რომლებიც არ იყვნენ ტრენინგში. ჰიპერპარამეტრები შეირჩა მოდელისთვის ჯვარედინი ვალიდაციის გამოყენებით, დაყოფილი კლიენტის მიხედვით. ფუნქციების იგივე ნაკრები გამოიყენებოდა თითოეული მოდელის მოსამზადებლად.

იმის გამო, რომ მოდელს არ აქვს მეხსიერება, მას სპეციალური ფუნქციები აიღეს, რაც აჩვენებს პარამეტრებში ცვლილებების თანაფარდობას ერთი თვის განმავლობაში პარამეტრების საშუალო მნიშვნელობასთან ბოლო სამი თვის განმავლობაში. რა ახასიათებდა მნიშვნელობების ცვლილების ტემპს ბოლო სამი თვის განმავლობაში. ამის გარეშე, შემთხვევითი ტყეზე დაფუძნებული მოდელი არახელსაყრელი იქნებოდა Weibull-LSTM-თან შედარებით.

რატომ არის LSTM ვეიბულის განაწილებით უკეთესი, ვიდრე ანსამბლის გადაწყვეტილების ხის მიდგომა

აქ ყველაფერი ნათელია მხოლოდ რამდენიმე სურათში.

ლიფტის მრუდის შედარება კლასიკური ალგორითმისთვის და Weibull-LSTM

ლიფტის მრუდის მეტრიკის შედარება თვეების მიხედვით კლასიკური ალგორითმისთვის და Weibull-LSTM

ზოგადად, LSTM თითქმის ყველა შემთხვევაში აღემატება კლასიკურ ალგორითმს.

ჩაქრობის პროგნოზი

მოდელს, რომელიც დაფუძნებულია მორეციდივე ნერვულ ქსელზე LSTM უჯრედებით, Weibull-ის განაწილებით, შეუძლია წინასწარ განსაზღვროს შერყევა, მაგალითად, იწინასწარმეტყველოს მომხმარებელთა შერყევა მომდევნო n თვის განმავლობაში. განვიხილოთ შემთხვევა n = 3-ისთვის. ამ შემთხვევაში, ყოველი თვისთვის, ნერვულმა ქსელმა სწორად უნდა განსაზღვროს, დატოვებს თუ არა კლიენტი, შემდეგი თვიდან და მე-n თვემდე. სხვა სიტყვებით რომ ვთქვათ, მან სწორად უნდა განსაზღვროს, დარჩება თუ არა მომხმარებელი n თვის შემდეგ. ეს შეიძლება ჩაითვალოს წინასწარ პროგნოზად: იმ მომენტის პროგნოზირება, როდესაც კლიენტი ახლახან იწყებდა წასვლაზე ფიქრს.

მოდით შევადაროთ ლიფტის მრუდი Weibull-LSTM 1, 2 და 3 თვით ადრე გადინებამდე:

ზემოთ უკვე დავწერეთ, რომ ასევე მნიშვნელოვანია პროგნოზები, რომლებიც გაკეთებულია კლიენტებისთვის, რომლებიც გარკვეული პერიოდის განმავლობაში აღარ არიან აქტიური. აქედან გამომდინარე, აქ ჩვენ დავამატებთ ნიმუშს ისეთ შემთხვევებს, როდესაც წასული მომხმარებელი უკვე უმოქმედოა ერთი ან ორი თვის განმავლობაში და ვამოწმებთ, რომ Weibull-LSTM სწორად კლასიფიცირებს ასეთ შემთხვევებს, როგორც გადახურებას. ვინაიდან ასეთი შემთხვევები იყო ნიმუშში, ჩვენ ველით, რომ ქსელი კარგად გაუმკლავდება მათ:

მომხმარებელთა შენარჩუნება

სინამდვილეში, ეს არის მთავარი, რისი გაკეთებაც შეიძლება, ხელთ რომ ჰქონდეს ინფორმაცია, რომ ასეთი და ასეთი კლიენტები ემზადებიან პროდუქტის გამოყენების შეწყვეტისთვის. მოდელის შექმნაზე საუბრისას, რომელსაც შეუძლია შესთავაზოს რაიმე სასარგებლო მომხმარებელს მათი შესანარჩუნებლად, ეს არ შეიძლება გაკეთდეს, თუ არ გაქვთ მსგავსი მცდელობების ისტორია, რომელიც კარგად დამთავრდება.

ჩვენ არ გვქონდა ასეთი ამბავი, ასე გადავწყვიტეთ.

1. ჩვენ ვაშენებთ მოდელს, რომელიც გამოავლენს საინტერესო პროდუქტებს თითოეული კლიენტისთვის.
2. ყოველთვიურად ჩვენ ვაწარმოებთ კლასიფიკატორს და იდენტიფიცირებთ პოტენციურად დატოვებულ მომხმარებლებს.
3. ზოგიერთ კლიენტს ვთავაზობთ პროდუქტს 1-ლი პუნქტის მოდელის მიხედვით და გვახსოვს ჩვენი ქმედებები.
4. რამდენიმე თვის შემდეგ ჩვენ ვუყურებთ ამ პოტენციურად წასული კლიენტებიდან რომელი დატოვა და რომელი დარჩა. ამრიგად, ჩვენ ვქმნით სასწავლო ნიმუშს.
5. ჩვენ ვავარჯიშებთ მოდელს მე-4 საფეხურზე მიღებული ისტორიის გამოყენებით.
6. სურვილისამებრ, ჩვენ ვიმეორებთ პროცედურას, შევცვლით მოდელს პირველი ნაბიჯიდან მე-1 ნაბიჯით მიღებული მოდელით.

ასეთი შეკავების ხარისხის ტესტირება შეიძლება გაკეთდეს რეგულარული A/B ტესტირებით - ჩვენ ვყოფთ კლიენტებს, რომლებიც პოტენციურად ტოვებენ ორ ჯგუფად. ჩვენ ერთს ვთავაზობთ პროდუქტებს ჩვენი შენარჩუნების მოდელის მიხედვით, ხოლო მეორეს არაფერს ვთავაზობთ. ჩვენ გადავწყვიტეთ შეგვესწავლა მოდელი, რომელიც შეიძლება გამოგვადგეს უკვე ჩვენი მაგალითის 1 პუნქტში.

ჩვენ გვინდოდა, რომ სეგმენტაცია მაქსიმალურად ინტერპრეტაცია ყოფილიყო. ამისათვის ჩვენ ავირჩიეთ რამდენიმე მახასიათებელი, რომელთა ინტერპრეტაციაც მარტივად შეიძლებოდა: ტრანზაქციების საერთო რაოდენობა, ხელფასი, ანგარიშის მთლიანი ბრუნვა, ასაკი, სქესი. „რუქების“ ცხრილის ფუნქციები არ იყო გათვალისწინებული, როგორც არაინფორმატიული და 3 ცხრილიდან „კონტრაქტები“ არ იყო გათვალისწინებული დამუშავების სირთულის გამო, რათა თავიდან იქნას აცილებული მონაცემების გაჟონვა ვალიდაციის კომპლექტსა და სასწავლო კომპლექტს შორის.

კლასტერირება განხორციელდა გაუსის ნარევი მოდელების გამოყენებით. აკაიკის ინფორმაციის კრიტერიუმმა საშუალება მოგვცა განვსაზღვროთ 2 ოპტიმა. პირველი ოპტიმუმი შეესაბამება 1 კლასტერს. მეორე ოპტიმუმი, ნაკლებად გამოხატული, შეესაბამება 80 კლასტერს. ამ შედეგიდან გამომდინარე, შეგვიძლია გამოვიტანოთ შემდეგი დასკვნა: უკიდურესად რთულია მონაცემების კლასტერებად დაყოფა აპრიორი მოცემული ინფორმაციის გარეშე. უკეთესი კლასტერისთვის, გჭირდებათ მონაცემები, რომლებიც დეტალურად აღწერს თითოეულ კლიენტს.

ამიტომ განიხილებოდა ზედამხედველობითი სწავლის პრობლემა, რათა თითოეულ ინდივიდუალურ კლიენტს განსხვავებული პროდუქტი შესთავაზოს. განიხილებოდა შემდეგი პროდუქტები: „ვადიანი ანაბარი“, „საკრედიტო ბარათი“, „ოვერდრაფტი“, „სამომხმარებლო სესხი“, „მანქანის სესხი“, „იპოთეკა“.

მონაცემები მოიცავდა პროდუქტის კიდევ ერთ სახეობას: „მიმდინარე ანგარიშს“. მაგრამ ჩვენ არ გავითვალისწინეთ იგი დაბალი ინფორმაციის შემცველობის გამო. მომხმარებლებისთვის, რომლებიც არიან ბანკის კლიენტები, ე.ი. არ შეწყვიტა თავისი პროდუქციის გამოყენება, შეიქმნა მოდელი იმის პროგნოზირებისთვის, თუ რომელი პროდუქტი შეიძლება იყოს მათთვის საინტერესო. მოდელად არჩეული იყო ლოგისტიკური რეგრესია, ხოლო ლიფტის მნიშვნელობა პირველი 10 პროცენტულისთვის გამოყენებული იყო ხარისხის შეფასების მეტრიკად.

მოდელის ხარისხი შეიძლება შეფასდეს ფიგურაში.

პროდუქტის რეკომენდაციის მოდელის შედეგები მომხმარებლებისთვის

სულ

ამ მიდგომამ პირველი ადგილი მოგვიტანა კატეგორიაში „AI ბანკებში“ RAIF-Challenge 2017 AI ჩემპიონატზე.

როგორც ჩანს, მთავარი იყო პრობლემას არატრადიციული კუთხით მიდგომა და მეთოდის გამოყენება, რომელიც ჩვეულებრივ გამოიყენება სხვა სიტუაციებისთვის.

მიუხედავად იმისა, რომ მომხმარებელთა მასიური გადინება შეიძლება იყოს ბუნებრივი კატასტროფა სერვისებისთვის.

ამ მეთოდის გათვალისწინება შესაძლებელია ნებისმიერი სხვა სფეროსთვის, სადაც მნიშვნელოვანია გადინების გათვალისწინება და არა მხოლოდ ბანკებისთვის. მაგალითად, გამოვიყენეთ საკუთარი გადინების გამოსათვლელად - როსტელეკომის ციმბირისა და პეტერბურგის ფილიალებში.

„Data Mining Laboratory“ კომპანია „Sputnik“-ის საძიებო პორტალი

წყარო: www.habr.com