របៀបដែលយើងបានទស្សន៍ទាយការកូរដោយខិតជិតវាដូចជាគ្រោះមហន្តរាយធម្មជាតិ

ពេលខ្លះ ដើម្បីដោះស្រាយបញ្ហា អ្នកគ្រាន់តែត្រូវមើលវាពីមុំផ្សេង។ ទោះបីជាក្នុងរយៈពេល 10 ឆ្នាំកន្លងមកនេះ បញ្ហាស្រដៀងគ្នានេះត្រូវបានដោះស្រាយតាមរបៀបដូចគ្នាជាមួយនឹងផលប៉ះពាល់ផ្សេងៗគ្នាក៏ដោយ ក៏វាមិនមែនជាការពិតដែលថាវិធីសាស្ត្រនេះគឺមានតែមួយនោះទេ។

មាន​ប្រធាន​បទ​ដូច​ជា​ការ​កូរ​អតិថិជន។ រឿងនេះជៀសមិនរួចទេ ព្រោះអតិថិជននៃក្រុមហ៊ុនណាមួយអាចឈប់ប្រើប្រាស់ផលិតផល ឬសេវាកម្មរបស់ខ្លួនដោយហេតុផលជាច្រើន។ ជាការពិតណាស់ សម្រាប់ក្រុមហ៊ុនមួយ ការកូរគឺជាធម្មជាតិ ប៉ុន្តែមិនមែនជាសកម្មភាពដែលគួរអោយចង់បានបំផុតនោះទេ ដូច្នេះហើយអ្នកគ្រប់គ្នាព្យាយាមកាត់បន្ថយការញាក់នេះ។ កាន់តែប្រសើរជាងនេះទៅទៀត ទស្សន៍ទាយប្រូបាប៊ីលីតេនៃការកូរសម្រាប់ប្រភេទជាក់លាក់នៃអ្នកប្រើប្រាស់ ឬអ្នកប្រើប្រាស់ជាក់លាក់ ហើយណែនាំជំហានមួយចំនួនដើម្បីរក្សាពួកគេ។

វាចាំបាច់ក្នុងការវិភាគ និងព្យាយាមរក្សាអតិថិជន ប្រសិនបើអាចធ្វើបាន យ៉ាងហោចណាស់មានហេតុផលដូចខាងក្រោមៈ

• ការទាក់ទាញអតិថិជនថ្មីមានតម្លៃថ្លៃជាងនីតិវិធីរក្សា. ដើម្បីទាក់ទាញអតិថិជនថ្មី ជាក្បួនអ្នកត្រូវចំណាយប្រាក់មួយចំនួន (ការផ្សាយពាណិជ្ជកម្ម) ខណៈពេលដែលអតិថិជនដែលមានស្រាប់អាចត្រូវបានធ្វើឱ្យសកម្មជាមួយនឹងការផ្តល់ជូនពិសេសជាមួយនឹងលក្ខខណ្ឌពិសេស។
• ការយល់ដឹងអំពីមូលហេតុដែលអតិថិជនចាកចេញ គឺជាគន្លឹះក្នុងការកែលម្អផលិតផល និងសេវាកម្ម.

មានវិធីសាស្រ្តស្តង់ដារក្នុងការទស្សន៍ទាយការកូរ។ ប៉ុន្តែនៅឯការប្រកួតជើងឯក AI មួយ យើងបានសម្រេចចិត្តសាកល្បងការចែកចាយ Weibull សម្រាប់រឿងនេះ។ វាត្រូវបានគេប្រើញឹកញាប់បំផុតសម្រាប់ការវិភាគលទ្ធភាពរស់រានមានជីវិត ការព្យាករណ៍អាកាសធាតុ ការវិភាគគ្រោះមហន្តរាយធម្មជាតិ វិស្វកម្មឧស្សាហកម្ម និងអ្វីៗផ្សេងទៀត។ ការចែកចាយ Weibull គឺជាមុខងារចែកចាយពិសេសដែលកំណត់ដោយប៉ារ៉ាម៉ែត្រពីរ и .

Wikipedia

ជាទូទៅ វាជារឿងគួរឱ្យចាប់អារម្មណ៍មួយ ប៉ុន្តែសម្រាប់ការព្យាករណ៍លំហូរចេញ ហើយជាទូទៅ fintech វាមិនត្រូវបានគេប្រើញឹកញាប់នោះទេ។ ខាងក្រោមការកាត់នេះ យើងនឹងប្រាប់អ្នកពីរបៀបដែលយើង (Data Mining Laboratory) បានធ្វើរឿងនេះ ដោយក្នុងពេលដំណាលគ្នាឈ្នះមេដាយមាសក្នុងកម្មវិធី Artificial Intelligence Championship ក្នុងប្រភេទ "AI in Banks"។

អំពីការកូរជាទូទៅ

ចូរយើងយល់បន្តិចអំពីអ្វីដែលអតិថិជនកូរហើយហេតុអ្វីបានជាវាសំខាន់។ មូលដ្ឋានអតិថិជនមានសារៈសំខាន់សម្រាប់អាជីវកម្ម។ អតិថិជនថ្មីមកមូលដ្ឋាននេះ ជាឧទាហរណ៍ ដោយបានរៀនអំពីផលិតផល ឬសេវាកម្មពីការផ្សាយពាណិជ្ជកម្ម សូមរស់នៅមួយរយៈ (ប្រើប្រាស់ផលិតផលយ៉ាងសកម្ម) ហើយបន្ទាប់ពីពេលខ្លះឈប់ប្រើវា។ រយៈពេលនេះត្រូវបានគេហៅថា "វដ្តជីវិតរបស់អតិថិជន" - ពាក្យដែលពិពណ៌នាអំពីដំណាក់កាលដែលអតិថិជនឆ្លងកាត់នៅពេលគាត់រៀនអំពីផលិតផល ធ្វើការសម្រេចចិត្តទិញ បង់ប្រាក់ ប្រើប្រាស់ និងក្លាយជាអ្នកប្រើប្រាស់ដ៏ស្មោះត្រង់ ហើយចុងក្រោយឈប់ប្រើប្រាស់ផលិតផល។ សម្រាប់ហេតុផលមួយឬមួយផ្សេងទៀត។ ដូច្នោះហើយ ការកូរគឺជាដំណាក់កាលចុងក្រោយនៃវដ្តជីវិតរបស់អតិថិជន នៅពេលដែលអតិថិជនឈប់ប្រើប្រាស់សេវាកម្ម ហើយសម្រាប់អាជីវកម្មនេះមានន័យថា អតិថិជនឈប់ទទួលបានប្រាក់ចំណេញ ឬអត្ថប្រយោជន៍ណាមួយទាល់តែសោះ។

អតិថិជនធនាគារនីមួយៗគឺជាបុគ្គលជាក់លាក់ដែលជ្រើសរើសកាតធនាគារមួយ ឬមួយផ្សេងទៀតជាពិសេសសម្រាប់តម្រូវការរបស់គាត់។ ប្រសិនបើអ្នកធ្វើដំណើរញឹកញាប់ កាតដែលមានម៉ាយល៍នឹងមានប្រយោជន៍។ ទិញច្រើន - ជំរាបសួរ កាតត្រលប់មកវិញ។ គាត់ទិញច្រើននៅក្នុងហាងជាក់លាក់ - ហើយមានផ្លាស្ទិចដៃគូពិសេសសម្រាប់រឿងនេះរួចហើយ។ ជាការពិតណាស់ ពេលខ្លះកាតមួយត្រូវបានជ្រើសរើសដោយផ្អែកលើលក្ខណៈវិនិច្ឆ័យ "សេវាកម្មថោកបំផុត"។ ជាទូទៅមានអថេរគ្រប់គ្រាន់នៅទីនេះ។

ហើយមនុស្សម្នាក់ក៏ជ្រើសរើសធនាគារដោយខ្លួនឯងផងដែរ - តើមានចំណុចណាមួយក្នុងការជ្រើសរើសកាតពីធនាគារដែលមានសាខាតែនៅក្នុងទីក្រុងម៉ូស្គូនិងតំបន់នៅពេលដែលអ្នកមកពី Khabarovsk? ទោះបីជាកាតពីធនាគារបែបនេះទទួលបានផលចំណេញច្រើនជាង 2 ដងក៏ដោយ វត្តមានរបស់សាខាធនាគារនៅក្បែរនោះនៅតែជាលក្ខណៈវិនិច្ឆ័យសំខាន់។ បាទ ឆ្នាំ 2019 បានមកដល់ហើយ ហើយឌីជីថលគឺជាអ្វីគ្រប់យ៉ាងរបស់យើង ប៉ុន្តែបញ្ហាមួយចំនួនជាមួយធនាគារមួយចំនួនអាចដោះស្រាយបានតែនៅក្នុងសាខាប៉ុណ្ណោះ។ លើសពីនេះ ជាថ្មីម្តងទៀត ផ្នែកខ្លះនៃចំនួនប្រជាជនជឿជាក់លើធនាគាររូបវ័ន្តច្រើនជាងកម្មវិធីនៅលើស្មាតហ្វូន ហើយនេះក៏ចាំបាច់ត្រូវយកមកពិចារណាផងដែរ។

ជាលទ្ធផលមនុស្សម្នាក់អាចមានហេតុផលជាច្រើនសម្រាប់ការបដិសេធផលិតផលធនាគារ (ឬធនាគារខ្លួនឯង) ។ ខ្ញុំបានផ្លាស់ប្តូរការងារ ហើយអត្រាពន្ធកាតបានផ្លាស់ប្តូរពីប្រាក់ខែទៅជា "សម្រាប់ជីវិតរមែងស្លាប់" ដែលមិនសូវចំណេញ។ ខ្ញុំបានផ្លាស់ទៅទីក្រុងមួយផ្សេងទៀតដែលមិនមានសាខាធនាគារ។ ខ្ញុំមិនចូលចិត្តអន្តរកម្មជាមួយប្រតិបត្តិករដែលមិនមានលក្ខណៈសម្បត្តិគ្រប់គ្រាន់នៅសាខានោះទេ។ នោះគឺវាអាចមានហេតុផលច្រើនជាងសម្រាប់ការបិទគណនីជាជាងការប្រើប្រាស់ផលិតផល។

ហើយអតិថិជនមិនត្រឹមតែអាចបង្ហាញពីចេតនារបស់គាត់យ៉ាងច្បាស់នោះទេ - មកធនាគារ ហើយសរសេរសេចក្តីថ្លែងការណ៍មួយ ប៉ុន្តែគ្រាន់តែឈប់ប្រើប្រាស់ផលិតផលដោយមិនបញ្ចប់កិច្ចសន្យា។ វាត្រូវបានសម្រេចចិត្តប្រើ machine learning និង AI ដើម្បីយល់ពីបញ្ហាបែបនេះ។

លើសពីនេះទៅទៀត ភាពច្របូកច្របល់របស់អតិថិជនអាចកើតមានឡើងនៅក្នុងឧស្សាហកម្មណាមួយ (ទូរគមនាគមន៍ ក្រុមហ៊ុនផ្តល់សេវាអ៊ីនធឺណិត ក្រុមហ៊ុនធានារ៉ាប់រង ជាទូទៅគ្រប់ទីកន្លែងដែលមានមូលដ្ឋានអតិថិជន និងប្រតិបត្តិការតាមកាលកំណត់)។

តើយើងបានធ្វើអ្វី

ជាដំបូង វាចាំបាច់ក្នុងការពិពណ៌នាអំពីព្រំដែនច្បាស់លាស់ - ចាប់ពីពេលដែលយើងចាប់ផ្តើមពិចារណាអតិថិជនបានចាកចេញ។ តាមទស្សនៈរបស់ធនាគារដែលផ្តល់ឱ្យយើងនូវទិន្នន័យសម្រាប់ការងាររបស់យើង ស្ថានភាពសកម្មភាពរបស់អតិថិជនគឺគោលពីរ - គាត់សកម្មឬអត់។ មានទង់ ACTIVE_FLAG នៅក្នុងតារាង "សកម្មភាព" តម្លៃដែលអាចជា "0" ឬ "1" ("អសកម្ម" និង "សកម្ម" រៀងគ្នា)។ ហើយអ្វីៗនឹងល្អ ប៉ុន្តែមនុស្សម្នាក់គឺបែបនេះដែលគាត់អាចប្រើវាបានយ៉ាងសកម្មសម្រាប់ពេលខ្លះ ហើយបន្ទាប់មកបានធ្លាក់ចេញពីបញ្ជីសកម្មរយៈពេលមួយខែ - គាត់ឈឺ បានទៅប្រទេសមួយផ្សេងទៀតនៅពេលវិស្សមកាល ឬសូម្បីតែបានទៅធ្វើតេស្ត។ កាតពីធនាគារផ្សេងទៀត។ ឬប្រហែលជាបន្ទាប់ពីអសកម្មរយៈពេលយូរ សូមចាប់ផ្តើមប្រើប្រាស់សេវាកម្មរបស់ធនាគារម្តងទៀត

ដូច្នេះហើយ យើងបានសម្រេចចិត្តហៅរយៈពេលនៃភាពអសកម្មជារយៈពេលបន្តជាក់លាក់មួយ ក្នុងអំឡុងពេលដែលទង់សម្រាប់វាត្រូវបានកំណត់ទៅជា "0" ។

អតិថិជនផ្លាស់ទីពីអសកម្មទៅសកម្មបន្ទាប់ពីរយៈពេលនៃភាពអសកម្មនៃរយៈពេលផ្សេងៗគ្នា។ យើងមានឱកាសគណនាកម្រិតនៃតម្លៃជាក់ស្តែង "ភាពជឿជាក់នៃរយៈពេលអសកម្ម" - នោះគឺប្រូបាប៊ីលីតេដែលមនុស្សម្នាក់នឹងចាប់ផ្តើមប្រើប្រាស់ផលិតផលធនាគារម្តងទៀតបន្ទាប់ពីអសកម្មបណ្តោះអាសន្ន។

ឧទាហរណ៍ ក្រាហ្វនេះបង្ហាញពីការបន្តសកម្មភាព (ACTIVE_FLAG=1) របស់អតិថិជនបន្ទាប់ពីអសកម្មជាច្រើនខែ (ACTIVE_FLAG=0)។

នៅទីនេះយើងនឹងបញ្ជាក់បន្តិចអំពីសំណុំទិន្នន័យដែលយើងបានចាប់ផ្តើមដំណើរការ។ ដូច្នេះ ធនាគារបានផ្តល់ព័ត៌មានរួមសម្រាប់រយៈពេល 19 ខែក្នុងតារាងខាងក្រោម៖

• "សកម្មភាព" - ប្រតិបត្តិការអតិថិជនប្រចាំខែ (តាមកាត ក្នុងសេវាធនាគារតាមអ៊ីនធឺណិត និងសេវាធនាគារចល័ត) រួមទាំងបញ្ជីប្រាក់បៀវត្សរ៍ និងព័ត៌មានអំពីចំណូល។
• "កាត" ​​- ទិន្នន័យអំពីកាតទាំងអស់ដែលអតិថិជនមាន ជាមួយនឹងតារាងតម្លៃលម្អិត។
• "កិច្ចព្រមព្រៀង" - ព័ត៌មានអំពីកិច្ចព្រមព្រៀងរបស់អតិថិជន (ទាំងបើកចំហ និងបិទ): ប្រាក់កម្ចី ប្រាក់បញ្ញើ ជាដើម ដែលបង្ហាញពីប៉ារ៉ាម៉ែត្រនីមួយៗ។
• "អតិថិជន" - សំណុំទិន្នន័យប្រជាសាស្រ្ត (ភេទ និងអាយុ) និងព័ត៌មានទំនាក់ទំនង។

សម្រាប់ការងារយើងត្រូវការតារាងទាំងអស់លើកលែងតែ "ផែនទី" ។

មានការលំបាកមួយទៀតនៅទីនេះ - នៅក្នុងទិន្នន័យនេះ ធនាគារមិនបានបង្ហាញពីសកម្មភាពប្រភេទណាដែលបានកើតឡើងនៅលើកាតនោះទេ។ នោះគឺយើងអាចយល់ថាតើមានប្រតិបត្តិការឬអត់ ប៉ុន្តែយើងមិនអាចកំណត់ប្រភេទរបស់ពួកគេបានទៀតទេ។ ដូច្នេះហើយ វាមិនច្បាស់ទេថា តើអតិថិជនដកសាច់ប្រាក់ ទទួលប្រាក់ខែ ឬចំណាយលើការទិញ។ យើងក៏មិនមានទិន្នន័យអំពីសមតុល្យគណនីដែរ ដែលនឹងមានប្រយោជន៍។

គំរូខ្លួនវាមិនលំអៀង - នៅក្នុងគំរូនេះ ក្នុងរយៈពេល 19 ខែ ធនាគារមិនបានធ្វើការប៉ុនប៉ងណាមួយដើម្បីរក្សាអតិថិជន និងកាត់បន្ថយលំហូរចេញ។

ដូច្នេះអំពីរយៈពេលនៃភាពអសកម្ម។

ដើម្បីបង្កើតនិយមន័យនៃការកូរ រយៈពេលអសកម្មត្រូវតែត្រូវបានជ្រើសរើស។ ដើម្បី​បង្កើត​ការ​ព្យាករ​ដែល​ច្របូកច្របល់​នៅ​ចំណុច​មួយ​ក្នុង​ពេល​វេលា អ្នកត្រូវតែមានប្រវត្តិអតិថិជនយ៉ាងហោចណាស់ 3 ខែនៅចន្លោះពេលមួយ។ . ប្រវត្តិរបស់យើងត្រូវបានកំណត់ត្រឹម 19 ខែ ដូច្នេះយើងសម្រេចចិត្តប្រើរយៈពេលអសកម្ម 6 ខែប្រសិនបើមាន។ ហើយសម្រាប់រយៈពេលអប្បបរមាសម្រាប់ការព្យាករណ៍ដែលមានគុណភាពខ្ពស់ យើងបានចំណាយពេល 3 ខែ។ យើងបានយកតួលេខសម្រាប់រយៈពេល 3 និង 6 ខែដោយផ្អែកទៅលើការវិភាគនៃឥរិយាបទទិន្នន័យរបស់អតិថិជន។

យើងបង្កើតនិយមន័យនៃការកូរដូចតទៅ៖ ខែនៃការកូរអតិថិជន នេះគឺជាខែដំបូងជាមួយ ACTIVE_FLAG=0 ដែលចាប់ពីខែនេះយ៉ាងហោចណាស់មានលេខសូន្យប្រាំមួយជាប់ៗគ្នានៅក្នុងវាល ACTIVE_FLAG និយាយម្យ៉ាងទៀតខែដែលអតិថិជនអសកម្មរយៈពេល 6 ខែ។

ចំនួនអតិថិជនដែលបានចាកចេញ

ចំនួនអតិថិជនដែលនៅសល់

តើការបង្វិលត្រូវបានគណនាយ៉ាងដូចម្តេច?

នៅក្នុងការប្រកួតប្រជែងបែបនេះ និងនៅក្នុងការអនុវត្តជាទូទៅ លំហូរចេញត្រូវបានព្យាករណ៍ជាញឹកញាប់តាមវិធីនេះ។ អតិថិជនប្រើប្រាស់ផលិតផល និងសេវាកម្មនៅកំឡុងពេលផ្សេងៗគ្នា ទិន្នន័យស្តីពីអន្តរកម្មជាមួយគាត់ត្រូវបានតំណាងជាវ៉ិចទ័រនៃលក្ខណៈនៃប្រវែងថេរ n ។ ភាគច្រើនព័ត៌មាននេះរួមមាន:

• ទិន្នន័យកំណត់លក្ខណៈអ្នកប្រើប្រាស់ (ទិន្នន័យប្រជាសាស្ត្រ ផ្នែកទីផ្សារ)។
• ប្រវត្តិនៃការប្រើប្រាស់ផលិតផល និងសេវាកម្មធនាគារ (ទាំងនេះគឺជាសកម្មភាពរបស់អតិថិជនដែលតែងតែត្រូវបានចងភ្ជាប់ទៅនឹងពេលវេលាជាក់លាក់មួយ ឬរយៈពេលនៃចន្លោះពេលដែលយើងត្រូវការ)។
• ទិន្នន័យខាងក្រៅ ប្រសិនបើអាចទទួលបានវា - ឧទាហរណ៍ ការពិនិត្យឡើងវិញពីបណ្តាញសង្គម។

ហើយ​បន្ទាប់​មក ពួក​គេ​ទទួល​បាន​និយមន័យ​នៃ​ការ​កូរ​ខុស​គ្នា​សម្រាប់​កិច្ចការ​នីមួយៗ។ បន្ទាប់មកពួកគេប្រើក្បួនដោះស្រាយការរៀនម៉ាស៊ីន ដែលព្យាករណ៍ពីលទ្ធភាពនៃការចាកចេញរបស់អតិថិជន ផ្អែកលើវ៉ិចទ័រនៃកត្តា . ដើម្បីបណ្តុះបណ្តាលក្បួនដោះស្រាយ ក្របខ័ណ្ឌដ៏ល្បីមួយសម្រាប់ការសាងសង់ក្រុមនៃដើមឈើសេចក្តីសម្រេចត្រូវបានប្រើប្រាស់ XGBoost, ពន្លឺGBM, CatBoost ឬការកែប្រែរបស់វា។

ក្បួនដោះស្រាយខ្លួនឯងមិនអាក្រក់ទេ ប៉ុន្តែវាមានគុណវិបត្តិយ៉ាងធ្ងន់ធ្ងរមួយចំនួននៅពេលនិយាយអំពីការទស្សន៍ទាយការកូរ។

• គាត់មិនមានអ្វីដែលគេហៅថា "ការចងចាំ" ទេ។. ការបញ្ចូលនៃគំរូគឺជាចំនួនជាក់លាក់នៃលក្ខណៈពិសេសដែលត្រូវគ្នាទៅនឹងចំណុចបច្ចុប្បន្ននៅក្នុងពេលវេលា។ ដើម្បីរក្សាទុកព័ត៌មានអំពីប្រវត្តិនៃការផ្លាស់ប្តូរប៉ារ៉ាម៉ែត្រ វាចាំបាច់ក្នុងការគណនាលក្ខណៈពិសេសដែលកំណត់លក្ខណៈនៃការផ្លាស់ប្តូរប៉ារ៉ាម៉ែត្រតាមពេលវេលា ឧទាហរណ៍ចំនួន ឬចំនួនប្រតិបត្តិការធនាគារក្នុងរយៈពេល 1,2,3, XNUMX, XNUMX ខែចុងក្រោយ។ វិធីសាស្រ្តនេះអាចឆ្លុះបញ្ចាំងបានតែផ្នែកខ្លះនៃធម្មជាតិនៃការផ្លាស់ប្តូរបណ្តោះអាសន្នប៉ុណ្ណោះ។
• ផ្តេកព្យាករណ៍ថេរ។ គំរូនេះគឺគ្រាន់តែអាចទស្សន៍ទាយការញាក់របស់អតិថិជនសម្រាប់រយៈពេលដែលបានកំណត់ទុកជាមុន ឧទាហរណ៍ ការព្យាករណ៍មួយខែជាមុន។ ប្រសិនបើការព្យាករណ៍ត្រូវបានទាមទារសម្រាប់រយៈពេលខុសគ្នា ឧទាហរណ៍ បីខែ នោះអ្នកត្រូវបង្កើតសំណុំហ្វឹកហាត់ឡើងវិញ ហើយបង្ហាត់គំរូថ្មី។

វិធីសាស្រ្តរបស់យើង។

យើងបានសម្រេចចិត្តភ្លាមៗថាយើងនឹងមិនប្រើវិធីសាស្រ្តស្តង់ដារទេ។ បន្ថែមពីលើពួកយើង មនុស្ស 497 នាក់ទៀតបានចុះឈ្មោះក្នុងការប្រកួតជើងឯក ដែលម្នាក់ៗមានបទពិសោធន៍យ៉ាងច្រើននៅពីក្រោយពួកគេ។ ដូច្នេះការព្យាយាមធ្វើអ្វីមួយតាមគ្រោងការណ៍ស្តង់ដារក្នុងលក្ខខណ្ឌបែបនេះមិនមែនជាគំនិតល្អទេ។

ហើយយើងបានចាប់ផ្តើមដោះស្រាយបញ្ហាដែលប្រឈមមុខនឹងគំរូចំណាត់ថ្នាក់ប្រព័ន្ធគោលពីរ ដោយព្យាករណ៍ពីការចែកចាយប្រូបាប៊ីលីតេនៃពេលវេលានៃការកូរអតិថិជន។ វិធីសាស្រ្តស្រដៀងគ្នានេះអាចមើលឃើញ នៅទីនេះវាអនុញ្ញាតឱ្យអ្នកទស្សន៍ទាយការញាក់កាន់តែបត់បែន និងសាកល្បងសម្មតិកម្មស្មុគស្មាញជាងវិធីសាស្រ្តបុរាណ។ ក្នុងនាមជាក្រុមគ្រួសារនៃការចែកចាយដែលធ្វើគំរូពេលវេលាលំហូរចេញ យើងបានជ្រើសរើសការចែកចាយ Weibull សម្រាប់ការប្រើប្រាស់យ៉ាងទូលំទូលាយនៅក្នុងការវិភាគការរស់រានមានជីវិត។ អាកប្បកិរិយារបស់អតិថិជនអាចត្រូវបានគេចាត់ទុកថាជាប្រភេទនៃការរស់រានមានជីវិត។

នេះគឺជាឧទាហរណ៍នៃការចែកចាយដង់ស៊ីតេប្រូបាប៊ីលីតេរបស់ Weibull អាស្រ័យលើប៉ារ៉ាម៉ែត្រ и :

នេះគឺជាមុខងារដង់ស៊ីតេប្រូបាប៊ីលីតេរបស់អតិថិជនបីផ្សេងគ្នាដែលកូរតាមពេលវេលា។ ពេលវេលាត្រូវបានបង្ហាញជាខែ។ ម្យ៉ាងវិញទៀត ក្រាហ្វនេះបង្ហាញពីពេលដែលអតិថិជនទំនងជានឹងរង្គោះរង្គើក្នុងរយៈពេលពីរខែបន្ទាប់។ ដូចដែលអ្នកអាចឃើញ អតិថិជនដែលមានការចែកចាយមានសក្តានុពលខ្លាំងក្នុងការចាកចេញលឿនជាងអតិថិជនដែលមាន Weibull(2, 0.5) និង Weibull (3,1) ការចែកចាយ។

លទ្ធផល​គឺ​ជា​គំរូ​ដែល​សម្រាប់​អតិថិជន​គ្រប់​រូប​សម្រាប់​គ្រប់​គ្នា។
ខែព្យាករណ៍ពីប៉ារ៉ាម៉ែត្រនៃការចែកចាយ Weibull ដែលឆ្លុះបញ្ចាំងយ៉ាងល្អបំផុតពីការកើតឡើងនៃប្រូបាប៊ីលីតេនៃការហូរចេញតាមពេលវេលា។ លម្អិតបន្ថែម៖

• លក្ខណៈពិសេសគោលដៅនៅលើសំណុំបណ្តុះបណ្តាលគឺជាពេលវេលាដែលនៅសល់រហូតដល់ការបង្វិលក្នុងខែជាក់លាក់មួយសម្រាប់អតិថិជនជាក់លាក់។
• ប្រសិនបើមិនមានអត្រាការបង្វិលសម្រាប់អតិថិជនទេ យើងសន្មត់ថាពេលវេលាកូរគឺធំជាងចំនួនខែចាប់ពីខែបច្ចុប្បន្នរហូតដល់ចុងបញ្ចប់នៃប្រវត្តិដែលយើងមាន។
• គំរូដែលបានប្រើ៖ បណ្តាញសរសៃប្រសាទកើតឡើងដដែលៗជាមួយស្រទាប់ LSTM ។
• ជាមុខងារបាត់បង់ យើងប្រើមុខងារ log-likelihood អវិជ្ជមានសម្រាប់ការចែកចាយ Weibull ។

នេះគឺជាគុណសម្បត្តិនៃវិធីសាស្ត្រនេះ៖

• ការចែកចាយប្រូបាប៊ីលីតេ បន្ថែមពីលើលទ្ធភាពជាក់ស្តែងនៃការចាត់ថ្នាក់ប្រព័ន្ធគោលពីរ អនុញ្ញាតឱ្យមានការព្យាករណ៍ដែលអាចបត់បែនបាននៃព្រឹត្តិការណ៍ផ្សេងៗ ឧទាហរណ៍ថាតើអតិថិជននឹងឈប់ប្រើប្រាស់សេវាកម្មរបស់ធនាគារក្នុងរយៈពេល 3 ខែ។ ដូចគ្នានេះផងដែរប្រសិនបើចាំបាច់ រង្វាស់ផ្សេងៗអាចត្រូវបានជាមធ្យមលើការចែកចាយនេះ។
• បណ្តាញសរសៃប្រសាទដែលកើតឡើងដដែលៗ LSTM មានអង្គចងចាំ និងប្រើប្រាស់ប្រវត្តិដែលអាចប្រើបានទាំងស្រុង។ នៅពេលដែលរឿងត្រូវបានពង្រីក ឬកែលម្អ ភាពត្រឹមត្រូវកើនឡើង។
• វិធីសាស្រ្តនេះអាចត្រូវបានធ្វើមាត្រដ្ឋានយ៉ាងងាយស្រួលនៅពេលបែងចែកពេលវេលាទៅជាតូចៗ (ឧទាហរណ៍នៅពេលបែងចែកខែជាសប្តាហ៍)។

ប៉ុន្តែវាមិនគ្រប់គ្រាន់ដើម្បីបង្កើតគំរូល្អទេ អ្នកក៏ត្រូវវាយតម្លៃគុណភាពរបស់វាឱ្យបានត្រឹមត្រូវផងដែរ។

តើគុណភាពត្រូវបានវាយតម្លៃយ៉ាងដូចម្តេច?

យើងជ្រើសរើស Lift Curve ជាម៉ែត្រ។ វាត្រូវបានប្រើនៅក្នុងអាជីវកម្មសម្រាប់ករណីបែបនេះដោយសារតែការបកស្រាយច្បាស់លាស់វាត្រូវបានពិពណ៌នាយ៉ាងល្អ នៅទីនេះ и នៅទីនេះ. ប្រសិនបើអ្នកពិពណ៌នាអំពីអត្ថន័យនៃម៉ែត្រនេះក្នុងប្រយោគមួយ វានឹងជា "តើក្បួនដោះស្រាយប៉ុន្មានដងធ្វើឱ្យការទស្សន៍ទាយដ៏ល្អបំផុតនៅក្នុងលើកដំបូង % ជាងចៃដន្យ។"

ម៉ូដែលបណ្តុះបណ្តាល

លក្ខខណ្ឌនៃការប្រកួតប្រជែងមិនបានបង្កើតម៉ែត្រគុណភាពជាក់លាក់ដែលគំរូ និងវិធីសាស្រ្តផ្សេងគ្នាអាចប្រៀបធៀបបាន។ ជាងនេះទៅទៀត និយមន័យនៃការកូរអាចមានភាពខុសប្លែកគ្នា ហើយអាចអាស្រ័យលើសេចក្តីថ្លែងការណ៍បញ្ហា ដែលវាត្រូវបានកំណត់ដោយគោលដៅអាជីវកម្ម។ ដូច្នេះ ដើម្បី​យល់​ថា​វិធីសាស្ត្រ​មួយ​ណា​ល្អ​ជាង យើង​បាន​បណ្ដុះបណ្ដាល​គំរូ​ពីរ៖

1. Часто используемый подход бинарной классификации с использованием алгоритма машинного обучения ансамбля решающих деревьев (ពន្លឺGBM);
2. ម៉ូដែល Weibull-LSTM

សំណុំសាកល្បងមានអតិថិជន 500 នាក់ដែលបានជ្រើសរើសជាមុន ដែលមិនមាននៅក្នុងសំណុំបណ្តុះបណ្តាល។ ប៉ារ៉ាម៉ែត្រខ្ពស់ត្រូវបានជ្រើសរើសសម្រាប់ម៉ូដែលដោយប្រើសុពលភាពឆ្លង ដែលបែងចែកដោយម៉ាស៊ីនភ្ញៀវ។ សំណុំនៃលក្ខណៈពិសេសដូចគ្នាត្រូវបានប្រើដើម្បីហ្វឹកហាត់ម៉ូដែលនីមួយៗ។

ដោយសារតែការពិតដែលថាម៉ូដែលមិនមានអង្គចងចាំលក្ខណៈពិសេសពិសេសត្រូវបានគេយកសម្រាប់វាដែលបង្ហាញពីសមាមាត្រនៃការផ្លាស់ប្តូរប៉ារ៉ាម៉ែត្រសម្រាប់រយៈពេលមួយខែទៅតម្លៃមធ្យមសម្រាប់ប៉ារ៉ាម៉ែត្រក្នុងរយៈពេលបីខែចុងក្រោយនេះ។ អ្វីដែលកំណត់អត្រានៃការផ្លាស់ប្តូរតម្លៃក្នុងរយៈពេលបីខែចុងក្រោយ។ បើគ្មាននេះទេ គំរូដែលមានមូលដ្ឋានលើ Random Forest នឹងមានគុណវិបត្តិទាក់ទងនឹង Weibull-LSTM ។

ហេតុអ្វីបានជា LSTM ជាមួយការចែកចាយ Weibull គឺប្រសើរជាងវិធីសាស្រ្តមែកធាងការសម្រេចចិត្តរួម

អ្វីគ្រប់យ៉ាងគឺច្បាស់នៅទីនេះក្នុងរូបភាពពីរបីសន្លឹក។

ការប្រៀបធៀប Lift Curve សម្រាប់ក្បួនដោះស្រាយបុរាណ និង Weibull-LSTM

ការប្រៀបធៀបរង្វាស់ Lift Curve តាមខែសម្រាប់ក្បួនដោះស្រាយបុរាណ និង Weibull-LSTM

ជាទូទៅ LSTM គឺប្រសើរជាងក្បួនដោះស្រាយបុរាណក្នុងស្ទើរតែគ្រប់ករណីទាំងអស់។

ការទស្សន៍ទាយកូរ

គំរូផ្អែកលើបណ្តាញសរសៃប្រសាទដែលកើតឡើងដដែលៗជាមួយកោសិកា LSTM ជាមួយនឹងការចែកចាយ Weibull អាចទស្សន៍ទាយការកូរជាមុន ឧទាហរណ៍ ទស្សន៍ទាយការញាក់របស់អតិថិជនក្នុងរយៈពេល n ខែបន្ទាប់។ ពិចារណាករណីសម្រាប់ n = 3. ក្នុងករណីនេះសម្រាប់ខែនីមួយៗបណ្តាញសរសៃប្រសាទត្រូវតែកំណត់ឱ្យបានត្រឹមត្រូវថាតើអតិថិជននឹងចាកចេញដោយចាប់ផ្តើមពីខែបន្ទាប់និងរហូតដល់ខែទី XNUMX ។ ម៉្យាងទៀត វាត្រូវតែកំណត់យ៉ាងត្រឹមត្រូវថាតើអតិថិជននឹងនៅបន្តបន្ទាប់ប៉ុន្មានខែ។ នេះ​អាច​ចាត់​ទុក​ថា​ជា​ការ​ព្យាករណ៍​ទុក​ជា​មុន៖ ការ​ទស្សន៍​ទាយ​ពេល​អតិថិជន​ទើប​នឹង​ចាប់​ផ្តើម​គិត​អំពី​ការ​ចាកចេញ។

តោះប្រៀបធៀប Lift Curve សម្រាប់ Weibull-LSTM 1, 2 និង 3 ខែមុនពេលលំហូរចេញ៖

យើងបានសរសេរខាងលើរួចហើយថាការព្យាករណ៍ដែលបានធ្វើឡើងសម្រាប់អតិថិជនដែលលែងសកម្មសម្រាប់ពេលខ្លះក៏សំខាន់ផងដែរ។ ដូច្នេះហើយ នៅទីនេះ យើងនឹងបន្ថែមលើករណីគំរូបែបនេះ នៅពេលដែលអតិថិជនដែលបានចាកចេញបានអសកម្មរួចហើយសម្រាប់មួយ ឬពីរខែ ហើយពិនិត្យមើលថា Weibull-LSTM ចាត់ថ្នាក់យ៉ាងត្រឹមត្រូវនូវករណីបែបនេះថាជាការកូរ។ ដោយសារករណីបែបនេះមានវត្តមាននៅក្នុងគំរូ យើងរំពឹងថាបណ្តាញនឹងដោះស្រាយពួកគេបានយ៉ាងល្អ៖

ការ​ឃាត់​អតិថិជន

តាមពិត នេះជារឿងសំខាន់ដែលអាចធ្វើបាន ដោយមានព័ត៌មានក្នុងដៃថា អតិថិជនបែបនេះ និងកំពុងរៀបចំដើម្បីបញ្ឈប់ការប្រើប្រាស់ផលិតផល។ និយាយអំពីការកសាងគំរូដែលអាចផ្តល់នូវអ្វីដែលមានប្រយោជន៍ដល់អតិថិជនដើម្បីរក្សាវា វាមិនអាចធ្វើបានទេប្រសិនបើអ្នកមិនមានប្រវត្តិនៃការប៉ុនប៉ងស្រដៀងគ្នាដែលនឹងបញ្ចប់យ៉ាងល្អ។

យើង​មិន​មាន​រឿង​បែប​នេះ​ទេ ដូច្នេះ​យើង​សម្រេច​វា​តាម​វិធី​នេះ។

1. យើងកំពុងបង្កើតគំរូដែលកំណត់ផលិតផលគួរឱ្យចាប់អារម្មណ៍សម្រាប់អតិថិជននីមួយៗ។
2. ជារៀងរាល់ខែ យើងដំណើរការអ្នកចាត់ថ្នាក់ និងកំណត់អត្តសញ្ញាណអតិថិជនដែលអាចចាកចេញពីអតិថិជន។
3. យើងផ្តល់ជូនអតិថិជនមួយចំនួននូវផលិតផលនេះបើយោងតាមគំរូពីចំណុចទី 1 ហើយចងចាំសកម្មភាពរបស់យើង។
4. បន្ទាប់​ពី​ប៉ុន្មាន​ខែ​មក យើង​មើល​ថា​តើ​អតិថិជន​ណា​ខ្លះ​ដែល​ទុក​ឲ្យ​នៅ​សល់ ហើយ​មួយ​ណា​នៅ​សល់។ ដូច្នេះយើងបង្កើតគំរូបណ្តុះបណ្តាល។
5. យើងបណ្តុះបណ្តាលគំរូដោយប្រើប្រវត្តិដែលទទួលបានក្នុងជំហានទី 4 ។
6. ជាជម្រើស យើងធ្វើបែបបទម្តងទៀត ដោយជំនួសគំរូពីជំហានទី 1 ជាមួយនឹងគំរូដែលទទួលបានក្នុងជំហានទី 5 ។

ការធ្វើតេស្តគុណភាពនៃការរក្សាទុកបែបនេះអាចធ្វើឡើងដោយការធ្វើតេស្ត A/B ជាទៀងទាត់ - យើងបែងចែកអតិថិជនដែលអាចចាកចេញជាពីរក្រុម។ យើងផ្តល់ជូនផលិតផលមួយទៅផលិតផលមួយដោយផ្អែកលើគំរូរក្សាទុករបស់យើង ហើយចំពោះផលិតផលផ្សេងទៀតយើងមិនផ្តល់ជូនអ្វីទាំងអស់។ យើងបានសម្រេចចិត្តបណ្តុះបណ្តាលគំរូដែលអាចមានប្រយោជន៍រួចហើយនៅចំណុច 1 នៃឧទាហរណ៍របស់យើង។

យើង​ចង់​ធ្វើ​ឱ្យ​ផ្នែក​នេះ​អាច​បកស្រាយ​បាន​តាម​ដែល​អាច​ធ្វើ​ទៅ​បាន។ ដើម្បីធ្វើដូច្នេះ យើងបានជ្រើសរើសលក្ខណៈពិសេសជាច្រើនដែលអាចបកស្រាយបានយ៉ាងងាយស្រួល៖ ចំនួនប្រតិបត្តិការសរុប ប្រាក់ឈ្នួល ចំណូលសរុបនៃគណនី អាយុ ភេទ។ លក្ខណៈពិសេសពីតារាង "ផែនទី" មិនត្រូវបានគេយកមកពិចារណាថាជាព័ត៌មានមិនពិតទេ ហើយលក្ខណៈពិសេសពីតារាងទី 3 "កិច្ចសន្យា" មិនត្រូវបានគេយកមកពិចារណាទេ ដោយសារភាពស្មុគស្មាញនៃដំណើរការ ដើម្បីជៀសវាងការលេចធ្លាយទិន្នន័យរវាងសំណុំសុពលភាព និងសំណុំបណ្តុះបណ្តាល។

ការតោងត្រូវបានអនុវត្តដោយប្រើគំរូល្បាយ Gaussian ។ លក្ខណៈវិនិច្ឆ័យព័ត៌មាន Akaike បានអនុញ្ញាតឱ្យយើងកំណត់ 2 optima ។ ល្អបំផុតដំបូងត្រូវគ្នានឹង 1 ចង្កោម។ ល្អបំផុតទីពីរ មិនសូវបញ្ចេញសំឡេង ត្រូវគ្នាទៅនឹង 80 ចង្កោម។ ដោយផ្អែកលើលទ្ធផលនេះ យើងអាចទាញសេចក្តីសន្និដ្ឋានដូចខាងក្រោមៈ វាពិតជាលំបាកខ្លាំងណាស់ក្នុងការបែងចែកទិន្នន័យទៅជាចង្កោមដោយគ្មានព័ត៌មានផ្តល់អាទិភាព។ សម្រាប់ការដាក់ចង្កោមកាន់តែប្រសើរ អ្នកត្រូវការទិន្នន័យដែលពិពណ៌នាលម្អិតអំពីអតិថិជននីមួយៗ។

ដូច្នេះហើយ បញ្ហានៃការសិក្សាដែលត្រូវបានត្រួតពិនិត្យត្រូវបានពិចារណា ដើម្បីផ្តល់ជូនអតិថិជនម្នាក់ៗនូវផលិតផលផ្សេងៗគ្នា។ ផលិតផលខាងក្រោមត្រូវបានពិចារណា៖ “ប្រាក់បញ្ញើតាមកាលកំណត់” “ប័ណ្ណឥណទាន” “លើសលុប” “កម្ចីអ្នកប្រើប្រាស់” “កម្ចីរថយន្ត” “កម្ចីទិញផ្ទះ”។

ទិន្នន័យរួមបញ្ចូលផលិតផលមួយប្រភេទទៀត៖ "គណនីចរន្ត"។ ប៉ុន្តែ​យើង​មិន​បាន​ពិចារណា​វា​ទេ ដោយសារ​មាតិកា​ព័ត៌មាន​ទាប​របស់វា។ សម្រាប់អ្នកប្រើប្រាស់ដែលជាអតិថិជនធនាគារ i.e. មិនបានឈប់ប្រើប្រាស់ផលិតផលរបស់ខ្លួនទេ គំរូមួយត្រូវបានបង្កើតឡើងដើម្បីទស្សន៍ទាយផលិតផលណាមួយដែលអាចចាប់អារម្មណ៍ពួកគេ។ ការតំរែតំរង់នៃភស្តុភារត្រូវបានជ្រើសរើសជាគំរូ ហើយតម្លៃលើកសម្រាប់ 10 ភាគរយដំបូងត្រូវបានប្រើជាម៉ែត្រការវាយតម្លៃគុណភាព។

គុណភាពនៃគំរូអាចត្រូវបានវាយតម្លៃនៅក្នុងរូបភាព។

លទ្ធផលគំរូណែនាំផលិតផលសម្រាប់អតិថិជន

លទ្ធផល

វិធីសាស្រ្តនេះបាននាំឱ្យយើងទទួលបានចំណាត់ថ្នាក់លេខមួយនៅក្នុងប្រភេទ "AI in Banks" នៅ RAIF-Challenge 2017 AI Championship ។

តាមមើលទៅ រឿងចំបងគឺត្រូវចូលទៅជិតបញ្ហាពីមុំមិនធម្មតា ហើយប្រើវិធីសាស្ត្រដែលជាធម្មតាប្រើសម្រាប់ស្ថានភាពផ្សេងទៀត។

ទោះបីជាលំហូរចេញដ៏ធំនៃអ្នកប្រើប្រាស់អាចជាគ្រោះមហន្តរាយធម្មជាតិសម្រាប់សេវាកម្មក៏ដោយ។

វិធីសាស្រ្តនេះអាចត្រូវបានគេយកទៅក្នុងគណនីសម្រាប់តំបន់ផ្សេងទៀតដែលវាមានសារៈសំខាន់ក្នុងការយកទៅក្នុងគណនីលំហូរចេញ មិនត្រឹមតែធនាគារប៉ុណ្ណោះទេ។ ជាឧទាហរណ៍ យើងបានប្រើវាដើម្បីគណនាលំហូរចេញដោយខ្លួនឯង - នៅក្នុងសាខាស៊ីបេរី និងសាំងពេទឺប៊ឺគនៃ Rostelecom ។

ក្រុមហ៊ុន "Data Mining Laboratory" ក្រុមហ៊ុន "វិបផតថលស្វែងរក "Sputnik"

ប្រភព: www.habr.com