{"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\/pl\/blog\/kak-my-predskazyvali-ottok-podojdya-k-nemu-kak-k-stihijnomu-bedstviyu","title":{"rendered":"Jak przewidywali\u015bmy spadek, podchodz\u0105c do niego jak do katastrofy naturalnej","gt_translate_keys":[{"key":"rendered","format":"text"}]},"content":{"rendered":"<p>Czasami, aby rozwi\u0105za\u0107 problem, wystarczy spojrze\u0107 na niego z innej perspektywy. Nawet je\u015bli przez ostatnie 10 lat takie problemy rozwi\u0105zywano w ten sam spos\u00f3b z r\u00f3\u017cnym skutkiem, nie ma pewno\u015bci, \u017ce to jedyny spos\u00f3b.<\/p>\n<p>Jest taki temat, jak odp\u0142yw klient\u00f3w. To zjawisko jest nieuniknione, poniewa\u017c klienci ka\u017cdej firmy mog\u0105 z r\u00f3\u017cnych powod\u00f3w przesta\u0107 korzysta\u0107 z jej produkt\u00f3w lub us\u0142ug. Oczywi\u015bcie, dla firmy odp\u0142yw \u2014 cho\u0107 naturalny \u2014 jest dzia\u0142aniem, kt\u00f3rego nie po\u017c\u0105da, dlatego wszyscy staraj\u0105 si\u0119 go minimalizowa\u0107. A jeszcze lepiej \u2014 przewidywa\u0107 prawdopodobie\u0144stwo odp\u0142ywu danej grupy u\u017cytkownik\u00f3w lub konkretnego klienta oraz proponowa\u0107 jakie\u015b kroki maj\u0105ce na celu ich zatrzymanie.<\/p>\n<p>Analiza i pr\u00f3by zatrzymania klienta, je\u015bli to mo\u017cliwe, s\u0105 konieczne przynajmniej z nast\u0119puj\u0105cych powod\u00f3w:<\/p>\n<ul>\n<li><b>pozyskanie nowych klient\u00f3w jest dro\u017csze ni\u017c procedury zatrzymywania<\/b>. Z regu\u0142y na pozyskanie nowych klient\u00f3w trzeba wyda\u0107 okre\u015blon\u0105 kwot\u0119 (reklama), podczas gdy istniej\u0105cych klient\u00f3w mo\u017cna aktywowa\u0107 specjaln\u0105 ofert\u0105 z wyj\u0105tkowymi warunkami;<\/li>\n<li><b>zrozumienie przyczyn odej\u015bcia klient\u00f3w to klucz do poprawy produkt\u00f3w i us\u0142ug<\/b>.<\/li>\n<\/ul>\n<p>\nIstniej\u0105 standardowe metody przewidywania odp\u0142ywu. Jednak na jednym z mistrzostw w dziedzinie sztucznej inteligencji postanowili\u015bmy spr\u00f3bowa\u0107 zastosowa\u0107 rozk\u0142ad Weibulla. Najcz\u0119\u015bciej wykorzystuje si\u0119 go do analizy przetrwania, prognozowania pogody, analizy kl\u0119sk \u017cywio\u0142owych, in\u017cynierii przemys\u0142owej i tym podobnych zastosowa\u0144. Rozk\u0142ad Weibulla to specjalna funkcja rozk\u0142adu, parametryzowana dwoma parametrami. <img decoding=\"async\" alt=\"Jak przewidywali\u015bmy spadek, podchodz\u0105c do niego jak do katastrofy naturalnej\" src=\"\/wp-content\/uploads\/2019\/03\/d30a25becc44269d51957349c6e8b4a0.png\" style=\"display:block;margin: 0 auto;\" \/> i <img decoding=\"async\" alt=\"Jak przewidywali\u015bmy spadek, podchodz\u0105c do niego jak do katastrofy naturalnej\" 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=\"Jak przewidywali\u015bmy spadek, podchodz\u0105c do niego jak do katastrofy naturalnej\" src=\"\/wp-content\/uploads\/2019\/03\/62e1933c8335dd16d765f0e358952d84.png\" style=\"display:block;margin: 0 auto;\" \/><\/a><\/noindex><br \/>\n<i>Wikipedia<\/i><\/p>\n<p>Og\u00f3lnie rzecz bior\u0105c, to ciekawa rzecz, ale rzadko stosowana w przewidywaniu odp\u0142ywu, a tak\u017ce w fintechu. W dalszej cz\u0119\u015bci opowiemy, jak to zrobili\u015bmy (Laboratoria Inteligentnej Analizy Danych), zdobywaj\u0105c przy tym z\u0142oto na Mistrzostwach Sztucznej Inteligencji w kategorii \u201eAI w bankowo\u015bci\u201d.<br \/>\n<noindex><a rel=\"nofollow\" name=\"habracut\"><\/a><\/noindex><\/p>\n<h2>O odp\u0142ywie w og\u00f3le<\/h2>\n<p>\nZrozummy troch\u0119, czym jest odej\u015bcie klienta i dlaczego jest to tak wa\u017cne. Dla biznesu istotna jest baza klient\u00f3w. Do tej bazy przychodz\u0105 nowi klienci, na przyk\u0142ad dowiaduj\u0105c si\u0119 o produkcie lub us\u0142udze z reklamy, przez jaki\u015b czas korzystaj\u0105 (aktywnie u\u017cywaj\u0105 produkt\u00f3w) i po pewnym czasie przestaj\u0105 korzysta\u0107. Taki okres nazywa si\u0119 \u201ecyklem \u017cycia klienta\u201d (ang. Customer Lifecycle) \u2014 to termin opisuj\u0105cy etapy, kt\u00f3re przechodzi klient, gdy dowiaduje si\u0119 o produkcie, podejmuje decyzj\u0119 o zakupie, p\u0142aci, u\u017cywa i staje si\u0119 lojalnym konsumentem, a ostatecznie przestaje korzysta\u0107 z r\u00f3\u017cnych przyczyn. Odpowiednio odej\u015bcie to ko\u0144cowy etap cyklu \u017cycia klienta, kiedy to klient przestaje korzysta\u0107 z us\u0142ug, a dla biznesu oznacza to, \u017ce klient przesta\u0142 przynosi\u0107 zysk i jakiekolwiek korzy\u015bci. <\/p>\n<p>Ka\u017cdy klient banku to konkretna osoba, kt\u00f3ra wybiera konkretn\u0105 kart\u0119 bankow\u0105 specjalnie dostosowan\u0105 do swoich potrzeb. Cz\u0119sto podr\u00f3\u017cuje \u2014 przyda si\u0119 karta z milami. Du\u017co kupuje \u2014 witaj, karta z cashbackiem. Du\u017co kupuje w konkretnych sklepach \u2014 a do tego ju\u017c jest specjalny plastik partnerski. Oczywi\u015bcie, czasem karta wybierana jest tak\u017ce wed\u0142ug kryterium \u201enajta\u0144sza obs\u0142uga\u201d. Og\u00f3lnie rzecz bior\u0105c, zmiennych jest tutaj sporo.<\/p>\n<p>A jeszcze cz\u0142owiek wybiera sam bank \u2014 jaki sens wybiera\u0107 kart\u0119 banku, kt\u00f3rego oddzia\u0142y s\u0105 tylko w Moskwie i okolicach, kiedy jeste\u015b z Chabarowska? Niech karta tego banku b\u0119dzie nawet 2 razy korzystniejsza, ale obecno\u015b\u0107 oddzia\u0142\u00f3w banku w pobli\u017cu nadal jest wa\u017cnym kryterium. Tak, 2019 ju\u017c tutaj i digital to nasze wszystko, ale w przypadku niekt\u00f3rych bank\u00f3w pewne kwestie mo\u017cna rozwi\u0105za\u0107 tylko w oddziale. Plus, ponownie, pewna cz\u0119\u015b\u0107 spo\u0142ecze\u0144stwa znacznie bardziej ufa fizycznemu bankowi, a nie aplikacji w smartfonie, to tak\u017ce trzeba bra\u0107 pod uwag\u0119.<\/p>\n<p>W zwi\u0105zku z tym przyczyn rezygnacji z produkt\u00f3w banku (lub samego banku) mo\u017ce by\u0107 wiele. Zmieni\u0142 prac\u0119, a taryfa karty zmieni\u0142a si\u0119 z p\u0142atniczej na \u201eDla zwyk\u0142ych \u015bmiertelnik\u00f3w\u201d, co jest mniej korzystne. Przeprowadzi\u0142 si\u0119 do innego miasta, gdzie nie ma oddzia\u0142\u00f3w banku. Nie podoba\u0142a mu si\u0119 rozmowa z niewykwalifikowanym pracownikiem w oddziale. To znaczy, \u017ce przyczyn do zamkni\u0119cia konta mo\u017ce by\u0107 znacznie wi\u0119cej ni\u017c do korzystania z produktu.<\/p>\n<p>Klient mo\u017ce nie tylko wyrazi\u0107 swoje zamiary w spos\u00f3b jawny \u2014 przyj\u015b\u0107 do banku i z\u0142o\u017cy\u0107 wniosek, ale r\u00f3wnie\u017c po prostu zaprzesta\u0107 korzystania z produkt\u00f3w, nie rozwi\u0105zuj\u0105c umowy. To w\u0142a\u015bnie w celu zrozumienia takich sytuacji postanowiono zastosowa\u0107 uczenie maszynowe i sztuczn\u0105 inteligencj\u0119.<\/p>\n<p>Co wi\u0119cej, odp\u0142yw klient\u00f3w mo\u017ce wyst\u0119powa\u0107 w ka\u017cdej bran\u017cy (telekomunikacja, dostawcy internetu, firmy ubezpieczeniowe, og\u00f3lnie wsz\u0119dzie, gdzie istnieje baza klient\u00f3w i regularne transakcje).<\/p>\n<h2>Co zrobili\u015bmy<\/h2>\n<p>\nPrzede wszystkim nale\u017cy dok\u0142adnie okre\u015bli\u0107 granic\u0119 \u2014 od kiedy zaczynamy liczy\u0107 klienta jako utraconego. Z perspektywy banku, kt\u00f3ry dostarczy\u0142 nam dane do analizy, stan aktywno\u015bci klienta by\u0142 binarny \u2014 by\u0142 on albo aktywny, albo nie. W tabeli \u201eAktywno\u015b\u0107\u201d znajdowa\u0142 si\u0119 flag ACTIVE_FLAG, kt\u00f3rego warto\u015bci\u0105 mog\u0142o by\u0107 \u201e0\u201d lub \u201e1\u201d (odpowiednio \u201eNieaktywny\u201d i \u201eAktywny\u201d). I wszystko by\u0142oby w porz\u0105dku, ale cz\u0142owiek ma to do siebie, \u017ce mo\u017ce przez jaki\u015b czas aktywnie korzysta\u0107, a nast\u0119pnie na miesi\u0105c przesta\u0107 by\u0107 aktywnym \u2014 mo\u017ce zachorowa\u0142, wyjecha\u0142 na wakacje do innego kraju lub w og\u00f3le zacz\u0105\u0142 testowa\u0107 kart\u0119 innego banku. A mo\u017ce po d\u0142ugim okresie nieaktywno\u015bci znowu zacznie korzysta\u0107 z us\u0142ug banku.<\/p>\n<p>Dlatego postanowili\u015bmy nazywa\u0107 okre\u015blony okres braku aktywno\u015bci jako ci\u0105g\u0142y fragment czasu, w kt\u00f3rym jego flaga by\u0142a ustawiona na \u201e0\u201d. <\/p>\n<p><img decoding=\"async\" alt=\"Jak przewidywali\u015bmy spadek, podchodz\u0105c do niego jak do katastrofy naturalnej\" src=\"\/wp-content\/uploads\/2019\/03\/c4263f11be0f122e54ed7985ba0d2c9d.png\" style=\"display:block;margin: 0 auto;\" \/><br \/>\n<br \/>\nKlienci przechodz\u0105 z nieaktywnych w aktywnych po r\u00f3\u017cnych d\u0142ugo\u015bciach okres\u00f3w nieaktywno\u015bci. Pojawia si\u0119 mo\u017cliwo\u015b\u0107 oszacowania stopnia empirycznego poj\u0119cia \u201ewiarygodno\u015b\u0107 okres\u00f3w nieaktywno\u015bci\u201d \u2014 czyli prawdopodobie\u0144stwa, \u017ce osoba znowu zacznie korzysta\u0107 z produkt\u00f3w banku po czasowej nieaktywno\u015bci. <\/p>\n<p>Na przyk\u0142ad, na tym wykresie przedstawiono wznowienie aktywno\u015bci (ACTIVE_FLAG=1) klient\u00f3w po kilku miesi\u0105cach nieaktywno\u015bci (ACTIVE_FLAG=0).<\/p>\n<p><img decoding=\"async\" alt=\"Jak przewidywali\u015bmy spadek, podchodz\u0105c do niego jak do katastrofy naturalnej\" src=\"\/wp-content\/uploads\/2019\/03\/3828c06a86ca6b43e77a6de61f768804.png\" style=\"display:block;margin: 0 auto;\" \/><br \/>\n<br \/>\nTutaj nieco sprecyzujemy zestaw danych, z kt\u00f3rymi zacz\u0119li\u015bmy pracowa\u0107. Tak wi\u0119c bank dostarczy\u0142 zintegrowane informacje za 19 miesi\u0119cy w nast\u0119puj\u0105cych tabelach:<\/p>\n<ul>\n<li>\u201eAktywno\u015b\u0107\u201d \u2014 miesi\u0119czne transakcje klient\u00f3w (za pomoc\u0105 kart, w bankowo\u015bci internetowej i mobilnej), w\u0142\u0105czaj\u0105c w to wyp\u0142aty wynagrodzenia oraz informacje o obrotach.<\/li>\n<li>\u201eKarty\u201d \u2014 dane o wszystkich kartach, kt\u00f3re posiada klient, z szczeg\u00f3\u0142ow\u0105 taryfikacj\u0105.<\/li>\n<li>\u201eUmowy\u201d \u2013 informacje o umowach klienta (zar\u00f3wno otwartych, jak i zamkni\u0119tych): kredyty, depozyty i inne, z podaniem parametr\u00f3w ka\u017cdego z nich.<\/li>\n<li>\u201eKlienci\u201d \u2013 zbi\u00f3r danych demograficznych (p\u0142e\u0107 i wiek) oraz posiadanie danych kontaktowych.<\/li>\n<\/ul>\n<p>\nDo pracy potrzebowali\u015bmy wszystkich tabel, poza \u201eKartami\u201d. <\/p>\n<p>Trudno\u015b\u0107 polega\u0142a r\u00f3wnie\u017c na tym, \u017ce w tych danych bank nie wskazywa\u0142, jaka dok\u0142adnie aktywno\u015b\u0107 mia\u0142a miejsce na kartach. To znaczy mogli\u015bmy okre\u015bli\u0107, czy by\u0142y transakcje, czy nie, ale ju\u017c nie mogli\u015bmy okre\u015bli\u0107 ich typu. Dlatego nie by\u0142o jasne, czy klient wyp\u0142aca\u0142 got\u00f3wk\u0119, otrzymywa\u0142 pensj\u0119, czy wydawa\u0142 pieni\u0105dze na zakupy. A dodatkowo nie mieli\u015bmy danych o saldach na kontach, co by\u0142oby przydatne. <\/p>\n<p>Sama pr\u00f3bka by\u0142a nieprzesuni\u0119ta \u2013 w tym wycinku przez 19 miesi\u0119cy bank nie podj\u0105\u0142 \u017cadnych pr\u00f3b zatrzymania klient\u00f3w i minimalizacji odp\u0142ywu.<\/p>\n<p>Tak wi\u0119c, o okresach braku aktywno\u015bci.<\/p>\n<p>Aby sformu\u0142owa\u0107 definicj\u0119 odp\u0142ywu, nale\u017cy wybra\u0107 okres braku aktywno\u015bci. Aby stworzy\u0107 prognoz\u0119 odp\u0142ywu w danym momencie, <img decoding=\"async\" alt=\"Jak przewidywali\u015bmy spadek, podchodz\u0105c do niego jak do katastrofy naturalnej\" src=\"\/wp-content\/uploads\/2019\/03\/d2faf7d1a11c2770987ab6316b1db5e8.png\" style=\"display:block;margin: 0 auto;\" \/>nale\u017cy mie\u0107 histori\u0119 klient\u00f3w minimum 3 miesi\u0105ce w przedziale <img decoding=\"async\" alt=\"Jak przewidywali\u015bmy spadek, podchodz\u0105c do niego jak do katastrofy naturalnej\" src=\"\/wp-content\/uploads\/2019\/03\/194e5601c2f0f49866d8e8e5a9ff5993.png\" style=\"display:block;margin: 0 auto;\" \/>. Historia by\u0142a u nas ograniczona do 19 miesi\u0119cy, dlatego postanowili\u015bmy bra\u0107 okres braku aktywno\u015bci wynosz\u0105cy 6 miesi\u0119cy, je\u015bli taki istnieje. A za minimalny okres dla jako\u015bciowej prognozy przyj\u0119li\u015bmy 3 miesi\u0105ce. Liczby 3 i 6 miesi\u0119cy wzi\u0119li\u015bmy empirycznie na podstawie analizy zachowa\u0144 tych klient\u00f3w.<\/p>\n<p>Definicj\u0119 odp\u0142ywu sformu\u0142owali\u015bmy tak: miesi\u0105c odp\u0142ywu klienta <img decoding=\"async\" alt=\"Jak przewidywali\u015bmy spadek, podchodz\u0105c do niego jak do katastrofy naturalnej\" src=\"\/wp-content\/uploads\/2019\/03\/3d581f5378975105aa6e73cacc175aeb.png\" style=\"display:block;margin: 0 auto;\" \/> to pierwszy miesi\u0105c z ACTIVE_FLAG=0, gdzie od tego miesi\u0105ca wyst\u0119puje co najmniej sze\u015b\u0107 zer z rz\u0119du w polu ACTIVE_FLAG, innymi s\u0142owy, miesi\u0105c, od kt\u00f3rego klient by\u0142 nieaktywny przez 6 miesi\u0119cy. <\/p>\n<p><img decoding=\"async\" alt=\"Jak przewidywali\u015bmy spadek, podchodz\u0105c do niego jak do katastrofy naturalnej\" src=\"\/wp-content\/uploads\/2019\/03\/04ea6d4c59a9497733e4a181a4a5847c.png\" style=\"display:block;margin: 0 auto;\" \/><br \/>\n<i>Liczba odej\u015b\u0107 klient\u00f3w<\/i><\/p>\n<p><img decoding=\"async\" alt=\"Jak przewidywali\u015bmy spadek, podchodz\u0105c do niego jak do katastrofy naturalnej\" src=\"\/wp-content\/uploads\/2019\/03\/4d470cbe91bbc6ee7ddfd1933e90e62c.png\" style=\"display:block;margin: 0 auto;\" \/><br \/>\n<i>Liczba pozosta\u0142ych klient\u00f3w<\/i><\/p>\n<h2>Jak powszechnie uwa\u017ca si\u0119 odp\u0142yw<\/h2>\n<p>\nW takich zawodach, a i w praktyce, odp\u0142yw cz\u0119sto prognozuje si\u0119 w ten spos\u00f3b. Klient korzysta z produkt\u00f3w i us\u0142ug w r\u00f3\u017cnych odst\u0119pach czasu, a dane o interakcji z nim przedstawiane s\u0105 w postaci wektora cech o sta\u0142ej d\u0142ugo\u015bci n. Najcz\u0119\u015bciej w tej informacji uwzgl\u0119dnia si\u0119:<\/p>\n<ul>\n<li>Dane charakteryzuj\u0105ce u\u017cytkownika (dane demograficzne, segment marketingowy).<\/li>\n<li>Histori\u0119 korzystania z produkt\u00f3w i us\u0142ug bankowych (to dzia\u0142ania klient\u00f3w zawsze zwi\u0105zane z konkretnym czasem lub okresem potrzebnego nam przedzia\u0142u).<\/li>\n<li>Dane zewn\u0119trzne, je\u015bli zosta\u0142y uzyskane \u2014 na przyk\u0142ad opinie z medi\u00f3w spo\u0142eczno\u015bciowych.<\/li>\n<\/ul>\n<p>\nI dopiero potem okre\u015blaj\u0105 wska\u017anik odp\u0142ywu, swoje dla ka\u017cdego zadania. Nast\u0119pnie u\u017cywaj\u0105 algorytmu uczenia maszynowego, kt\u00f3ry przewiduje prawdopodobie\u0144stwo odej\u015bcia klienta <img decoding=\"async\" alt=\"Jak przewidywali\u015bmy spadek, podchodz\u0105c do niego jak do katastrofy naturalnej\" src=\"\/wp-content\/uploads\/2019\/03\/79ce2d7f3193a9aab0b985c9a0cd0ee1.png\" style=\"display:block;margin: 0 auto;\" \/> na podstawie wektora czynnik\u00f3w <img decoding=\"async\" alt=\"Jak przewidywali\u015bmy spadek, podchodz\u0105c do niego jak do katastrofy naturalnej\" src=\"\/wp-content\/uploads\/2019\/03\/546791c513159e41d5950adca001d620.png\" style=\"display:block;margin: 0 auto;\" \/>. Do uczenia algorytmu wykorzystuje si\u0119 jeden z popularnych framework\u00f3w do budowy zespo\u0142\u00f3w drzew decyzyjnych, <noindex><a rel=\"nofollow\" href=\"https:\/\/xgboost.readthedocs.io\/en\/latest\/\">XGBoost<\/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> lub ich modyfikacje. <\/p>\n<p>Sam algorytm jest dobry, ale w zakresie prognozowania odp\u0142ywu ma kilka powa\u017cnych wad.<\/p>\n<ul>\n<li><b>Nie ma tzw. \"pami\u0119ci\"<\/b>. Na wej\u015bcie modelu podawana jest okre\u015blona liczba cech, kt\u00f3re odpowiadaj\u0105 bie\u017c\u0105cemu momentowi czasowemu. Aby uwzgl\u0119dni\u0107 informacje o historii zmian parametr\u00f3w, konieczne jest obliczenie specjalnych cech, kt\u00f3re charakteryzuj\u0105 zmiany parametr\u00f3w w czasie, na przyk\u0142ad liczba lub suma transakcji bankowych za ostatnie 1,2,3 miesi\u0105ce. Takie podej\u015bcie mo\u017ce jedynie cz\u0119\u015bciowo odzwierciedla\u0107 charakter zmian w czasie. <\/li>\n<li><b>Sta\u0142y horyzont prognozowania.<\/b> Model jest w stanie przewidywa\u0107 odp\u0142yw klient\u00f3w tylko na wcze\u015bniej okre\u015blony okres czasu, na przyk\u0142ad prognoza na miesi\u0105c do przodu. Je\u015bli potrzebna jest prognoza na inny okres czasu, na przyk\u0142ad na trzy miesi\u0105ce, konieczne jest przebudowanie zbioru ucz\u0105cego i ponowne wytrenowanie nowego modelu. <\/li>\n<\/ul>\n<p><\/p>\n<h2>Nasze podej\u015bcie<\/h2>\n<p>\nPostanowili\u015bmy od razu, \u017ce nie b\u0119dziemy korzysta\u0107 z standardowych podej\u015b\u0107. W mistrzostwach zarejestrowa\u0142o si\u0119 opr\u00f3cz nas jeszcze 497 os\u00f3b, z kt\u00f3rych ka\u017cda mia\u0142a za sob\u0105 solidne do\u015bwiadczenie. Dlatego pr\u00f3ba zrobienia czegokolwiek wed\u0142ug standardowego schematu w takich warunkach to nie najlepszy pomys\u0142.<\/p>\n<p>Zacz\u0119li\u015bmy rozwi\u0105zywa\u0107 problemy zwi\u0105zane z modelem klasyfikacji binarnej, wykorzystuj\u0105c prognozowanie rozk\u0142adu prawdopodobie\u0144stwa czasu odp\u0142ywu klient\u00f3w. Takie podej\u015bcie pozwala bardziej elastycznie prognozowa\u0107 odp\u0142yw i testowa\u0107 bardziej skomplikowane hipotezy ni\u017c w klasycznym podej\u015bciu. Jako rodzin\u0119 rozk\u0142ad\u00f3w modeluj\u0105cych czas odp\u0142ywu wybrali\u015bmy rozk\u0142ad <noindex><a rel=\"nofollow\" href=\"https:\/\/ragulpr.github.io\/assets\/draft_master_thesis_martinsson_egil_wtte_rnn_2016.pdf\">tutaj<\/a><\/noindex>Weibulla <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\">ze wzgl\u0119du na jego szerokie zastosowanie w analizie prze\u017cywalno\u015bci. Zachowanie klienta mo\u017cna traktowa\u0107 jako swego rodzaju prze\u017cywalno\u015b\u0107.<\/a><\/noindex> ze wzgl\u0119du na jego szerokie zastosowanie w analizie prze\u017cywalno\u015bci. Zachowanie klienta mo\u017cna postrzega\u0107 jako swego rodzaju prze\u017cywalno\u015b\u0107. <\/p>\n<p>Oto przyk\u0142ady rozk\u0142ad\u00f3w g\u0119sto\u015bci prawdopodobie\u0144stwa Weibulla w zale\u017cno\u015bci od parametr\u00f3w <img decoding=\"async\" alt=\"Jak przewidywali\u015bmy spadek, podchodz\u0105c do niego jak do katastrofy naturalnej\" src=\"\/wp-content\/uploads\/2019\/03\/57c935da52faf825ceedb4389d21c354.png\" style=\"display:block;margin: 0 auto;\" \/> i <img decoding=\"async\" alt=\"Jak przewidywali\u015bmy spadek, podchodz\u0105c do niego jak do katastrofy naturalnej\" src=\"\/wp-content\/uploads\/2019\/03\/85d1c92d5b9dfa83d13092edefb29a09.png\" style=\"display:block;margin: 0 auto;\" \/>:<\/p>\n<p><img decoding=\"async\" alt=\"Jak przewidywali\u015bmy spadek, podchodz\u0105c do niego jak do katastrofy naturalnej\" src=\"\/wp-content\/uploads\/2019\/03\/371e51ab8df2c10d5b139aadf290ebf8.png\" style=\"display:block;margin: 0 auto;\" \/><br \/>\n<br \/>\nTo jest g\u0119sto\u015b\u0107 rozk\u0142adu prawdopodobie\u0144stwa odp\u0142ywu klient\u00f3w trzech r\u00f3\u017cnych klient\u00f3w w miar\u0119 up\u0142ywu czasu. Czas przedstawiony jest w miesi\u0105cach. Innymi s\u0142owy, ten wykres pokazuje, kiedy prawdopodobnie nast\u0105pi odp\u0142yw klienta w ci\u0105gu nast\u0119pnych dw\u00f3ch miesi\u0119cy. Jak wida\u0107, klient z rozk\u0142adem ma wi\u0119kszy potencja\u0142 na wcze\u015bniejszy odp\u0142yw ni\u017c klienci z rozk\u0142adami Weibull(2, 0.5) i Weibull(3,1). <\/p>\n<p>W rezultacie otrzymujemy model, kt\u00f3ry dla ka\u017cdego klienta w ka\u017cdym<br \/>\nmiesi\u0105cu przewiduje parametry rozk\u0142adu Weibulla, najlepiej odzwierciedlaj\u0105ce prawdopodobie\u0144stwo odp\u0142ywu w miar\u0119 up\u0142ywu czasu. Je\u015bli chodzi o szczeg\u00f3\u0142y: <\/p>\n<ul>\n<li>Cechy docelowe w zbiorze danych do nauki \u2014 czas pozosta\u0142y do odp\u0142ywu w konkretnym miesi\u0105cu dla konkretnego klienta.<\/li>\n<li>Je\u015bli nie mamy wska\u017anika odp\u0142ywu dla klienta, zak\u0142adamy, \u017ce czas odp\u0142ywu jest d\u0142u\u017cszy ni\u017c liczba miesi\u0119cy, poczynaj\u0105c od obecnego i ko\u0144cz\u0105c na dost\u0119pnej historii.<\/li>\n<li>U\u017cywany model: sie\u0107 neuronowa rekurencyjna z warstw\u0105 LSTM.<\/li>\n<li>Jako funkcj\u0119 strat wykorzystujemy ujemn\u0105 logarytmiczn\u0105 funkcj\u0119 prawdopodobie\u0144stwa dla rozk\u0142adu Weibulla.<\/li>\n<\/ul>\n<p>\nOto zalety tej metody: <\/p>\n<ul>\n<li>Rozk\u0142ad prawdopodobie\u0144stwa, poza oczywist\u0105 mo\u017cliwo\u015bci\u0105 klasyfikacji binarnej, pozwala elastycznie przewidywa\u0107 r\u00f3\u017cne zdarzenia, na przyk\u0142ad, czy klient przestanie korzysta\u0107 z us\u0142ug banku w ci\u0105gu 3 miesi\u0119cy. Ponadto, w razie potrzeby, na podstawie tego rozk\u0142adu mo\u017cna u\u015brednia\u0107 r\u00f3\u017cne metryki.<\/li>\n<li>Rekurencyjna sie\u0107 neuronowa LSTM ma pami\u0119\u0107 i efektywnie wykorzystuje ca\u0142\u0105 dost\u0119pn\u0105 histori\u0119. Z rozszerzeniem lub dok\u0142adniejszym opisem historii dok\u0142adno\u015b\u0107 wzrasta.<\/li>\n<li>Podej\u015bcie mo\u017cna bezproblemowo skalowa\u0107 poprzez podzia\u0142 okres\u00f3w czasu na mniejsze (na przyk\u0142ad, dziel\u0105c miesi\u0105ce na tygodnie).<\/li>\n<\/ul>\n<p>\nJednak stworzenie dobrego modelu to nie wszystko, trzeba r\u00f3wnie\u017c w\u0142a\u015bciwie oceni\u0107 jego jako\u015b\u0107.<\/p>\n<h2>Jak oceniali\u015bmy jako\u015b\u0107<\/h2>\n<p>\nJako metryk\u0119 wybrali\u015bmy krzyw\u0105 Lift. U\u017cywa si\u0119 jej w biznesie w podobnych przypadkach ze wzgl\u0119du na jasn\u0105 interpretacj\u0119, jest dobrze opisana <noindex><a rel=\"nofollow\" href=\"http:\/\/www2.cs.uregina.ca\/~dbd\/cs831\/notes\/lift_chart\/lift_chart.html\">tutaj<\/a><\/noindex> i <noindex><a rel=\"nofollow\" href=\"https:\/\/www.information-management.com\/news\/why-lift\">tutaj<\/a><\/noindex>. Je\u015bli opiszemy sens tej metryki jednym zdaniem, otrzymamy \u201eO ile lepiej algorytm przewiduje na pierwszych <img decoding=\"async\" alt=\"Jak przewidywali\u015bmy spadek, podchodz\u0105c do niego jak do katastrofy naturalnej\" src=\"\/wp-content\/uploads\/2019\/03\/72818f84f73c2838fe7d63b33a96fd7b.png\" style=\"display:block;margin: 0 auto;\" \/>% w por\u00f3wnaniu do losowo\u015bci\u201d. <\/p>\n<h2>Uczymy modele<\/h2>\n<p>\nWarunki konkursu nie okre\u015bla\u0142y konkretnej metryki jako\u015bci, wed\u0142ug kt\u00f3rej mo\u017cna por\u00f3wnywa\u0107 r\u00f3\u017cne modele i podej\u015bcia. Co wi\u0119cej, definicja poj\u0119cia churn mo\u017ce by\u0107 r\u00f3\u017cna i zale\u017ce\u0107 od postawienia zadania, kt\u00f3re z kolei definiuje cele biznesowe. Dlatego, aby zrozumie\u0107, kt\u00f3ra metoda jest lepsza, wytrenujemy dwa modele:<\/p>\n<ol>\n<li>Cz\u0119sto stosowane podej\u015bcie do klasyfikacji binarnej przy u\u017cyciu algorytmu uczenia maszynowego opartego na zespo\u0142ach drzew decyzyjnych (<noindex><a rel=\"nofollow\" href=\"https:\/\/github.com\/Microsoft\/LightGBM\">LightGBM<\/a><\/noindex>);<\/li>\n<li> Model Weibull-LSTM<\/li>\n<\/ol>\n<p>\nZbi\u00f3r testowy sk\u0142ada\u0142 si\u0119 z 500 wcze\u015bniej wybranych klient\u00f3w, kt\u00f3rzy nie znajdowali si\u0119 w zbiorze treningowym. Dla modelu przeprowadzono dob\u00f3r hiperparametr\u00f3w przy u\u017cyciu walidacji krzy\u017cowej z podzia\u0142em na klient\u00f3w. Do trenowania ka\u017cdego modelu wykorzystano te same zestawy cech. <\/p>\n<p>W zwi\u0105zku z tym, \u017ce model nie ma pami\u0119ci, u\u017cyto specjalnych cech, kt\u00f3re pokazuj\u0105 relacj\u0119 zmiany parametr\u00f3w danego miesi\u0105ca do \u015bredniej warto\u015bci parametr\u00f3w za ostatnie trzy miesi\u0105ce. Opisuje to pr\u0119dko\u015b\u0107 zmian warto\u015bci w ostatnim okresie trzech miesi\u0119cy. Bez tego model oparty na Random Forest by\u0142by z g\u00f3ry na straconej pozycji w por\u00f3wnaniu do Weibull-LSTM.<\/p>\n<h2>Dlaczego LSTM z rozk\u0142adem Weibulla jest lepsze od podej\u015bcia opartego na zespo\u0142ach drzew decyzyjnych? <\/h2>\n<p>\nTutaj wszystko jest jasno pokazane dos\u0142ownie na kilku obrazkach.<\/p>\n<p><img decoding=\"async\" alt=\"Jak przewidywali\u015bmy spadek, podchodz\u0105c do niego jak do katastrofy naturalnej\" src=\"\/wp-content\/uploads\/2019\/03\/0a87a27804f1b285f66a889ed798cf6b.png\" style=\"display:block;margin: 0 auto;\" \/><br \/>\n<i>Por\u00f3wnanie Lift Curve dla klasycznego algorytmu i Weibull-LSTM<\/i><\/p>\n<p><img decoding=\"async\" alt=\"Jak przewidywali\u015bmy spadek, podchodz\u0105c do niego jak do katastrofy naturalnej\" src=\"\/wp-content\/uploads\/2019\/03\/6c281677260098c7993a690c923692c8.png\" style=\"display:block;margin: 0 auto;\" \/><br \/>\n<i>Por\u00f3wnanie metryki Lift Curve miesi\u0119cznie dla klasycznego algorytmu i Weibull-LSTM<\/i><\/p>\n<p>Og\u00f3lnie rzecz bior\u0105c, LSTM przewy\u017csza klasyczny algorytm prawie we wszystkich przypadkach.<\/p>\n<h2>Prognozowanie churnu<\/h2>\n<p>\nModel oparty na rekurencyjnej sieci neuronowej z kom\u00f3rkami LSTM z rozk\u0142adem Weibulla mo\u017ce prognozowa\u0107 churn z wyprzedzeniem, na przyk\u0142ad przewiduj\u0105c odej\u015bcie klienta w ci\u0105gu nast\u0119pnych n miesi\u0119cy. Rozwa\u017cmy przypadek dla n = 3. W tym przypadku dla ka\u017cdego miesi\u0105ca sie\u0107 neuronowa musi prawid\u0142owo okre\u015bli\u0107: czy klient odejdzie, zaczynaj\u0105c od nast\u0119pnego miesi\u0105ca a\u017c do n-tego miesi\u0105ca. Innymi s\u0142owy, musi prawid\u0142owo okre\u015bli\u0107, czy klient pozostanie po up\u0142ywie n miesi\u0119cy. Mo\u017cna to uzna\u0107 za prognoz\u0119 z wyprzedzeniem: przewidywanie momentu, w kt\u00f3rym klient zacz\u0105\u0142 my\u015ble\u0107 o odej\u015bciu. <\/p>\n<p>Por\u00f3wnajmy Lift Curve dla Weibull-LSTM na 1, 2 i 3 miesi\u0105ce przed odej\u015bciem klienta:<\/p>\n<p><img decoding=\"async\" alt=\"Jak przewidywali\u015bmy spadek, podchodz\u0105c do niego jak do katastrofy naturalnej\" src=\"\/wp-content\/uploads\/2019\/03\/4b2ed9cb21844cf5dc8f54bcfe092a9d.png\" style=\"display:block;margin: 0 auto;\" \/><br \/>\n<br \/>\nJu\u017c wcze\u015bniej m\u00f3wili\u015bmy, \u017ce wa\u017cne s\u0105 tak\u017ce prognozy dotycz\u0105ce klient\u00f3w, kt\u00f3rzy na jaki\u015b czas przestaj\u0105 by\u0107 aktywni. Dlatego dodamy do pr\u00f3by takie przypadki, gdy klient, kt\u00f3ry odszed\u0142, by\u0142 nieaktywny przez jeden lub dwa miesi\u0105ce, i sprawdzimy, czy model Weibull-LSTM prawid\u0142owo klasyfikuje takie przypadki jako odp\u0142yw. Poniewa\u017c takie przypadki by\u0142y obecne w pr\u00f3bie, oczekujemy, \u017ce sie\u0107 dobrze sobie z nimi poradzi:<\/p>\n<p><img decoding=\"async\" alt=\"Jak przewidywali\u015bmy spadek, podchodz\u0105c do niego jak do katastrofy naturalnej\" src=\"\/wp-content\/uploads\/2019\/03\/4fe6e918aff2f16758c671c8d547895d.png\" style=\"display:block;margin: 0 auto;\" \/><br \/>\n<\/p>\n<h2>Utrzymanie klient\u00f3w<\/h2>\n<p>\nW\u0142a\u015bciwie to jest kluczowe, co mo\u017cna zrobi\u0107, maj\u0105c informacje o tym, \u017ce tacy klienci zamierzaj\u0105 przesta\u0107 korzysta\u0107 z produktu. M\u00f3wi\u0105c o budowie modelu, kt\u00f3ry m\u00f3g\u0142by oferowa\u0107 co\u015b u\u017cytecznego dla klient\u00f3w, aby ich zatrzyma\u0107 \u2014 nie da si\u0119 tego zrobi\u0107, je\u015bli nie masz historycznych pr\u00f3b, kt\u00f3re zako\u0144czy\u0142y si\u0119 sukcesem.<\/p>\n<p>Nie mieli\u015bmy takiej historii, wi\u0119c zdecydowali\u015bmy si\u0119 na to w ten spos\u00f3b.<\/p>\n<ol>\n<li>Budujemy model, kt\u00f3ry okre\u015bla interesuj\u0105ce produkty dla ka\u017cdego klienta.<\/li>\n<li>Ka\u017cdego miesi\u0105ca uruchamiamy klasyfikator i okre\u015blamy potencjalnych klient\u00f3w, kt\u00f3rzy mog\u0105 odej\u015b\u0107.<\/li>\n<li>Cz\u0119\u015bci klient\u00f3w oferujemy produkt, zgodnie z modelem z punktu 1, pami\u0119taj\u0105c nasze dzia\u0142ania.<\/li>\n<li>Po kilku miesi\u0105cach sprawdzamy, kt\u00f3rzy z tych potencjalnych klient\u00f3w odeszli, a kt\u00f3rzy zostali. W ten spos\u00f3b tworzymy zbi\u00f3r treningowy.<\/li>\n<li>Szkolimy model na historii uzyskanej w punkcie 4.<\/li>\n<li>Opcjonalnie powtarzamy procedur\u0119, zast\u0119puj\u0105c model z punktu 1 modelem uzyskanym w punkcie 5.<\/li>\n<\/ol>\n<p>\nOcena jako\u015bci takiego utrzymania mo\u017ce by\u0107 przeprowadzona za pomoc\u0105 standardowego testowania A\/B \u2014 dzielimy klient\u00f3w, kt\u00f3rzy mog\u0105 odej\u015b\u0107, na dwie grupy. Jednej oferujemy produkty na podstawie naszego modelu utrzymania, drugiej nie oferujemy nic. Postanowili\u015bmy wytrenowa\u0107 model, kt\u00f3ry m\u00f3g\u0142by przynie\u015b\u0107 korzy\u015bci ju\u017c w punkcie 1 naszego przyk\u0142adu.<\/p>\n<p>Chcieli\u015bmy, aby segmentacja by\u0142a maksymalnie interpretowalna. Dlatego wybrali\u015bmy kilka cech, kt\u00f3re mog\u0142yby by\u0107 \u0142atwo interpretowane: ca\u0142kowita liczba transakcji, wynagrodzenie, \u0142\u0105czny obr\u00f3t na koncie, wiek, p\u0142e\u0107. Cechy z tabeli \"Mapy\" nie by\u0142y brane pod uwag\u0119 ze wzgl\u0119du na ma\u0142\u0105 informatywno\u015b\u0107, a cechy z tabeli 3 \"Umowy\" \u2014 z powodu trudno\u015bci w przetwarzaniu, aby unikn\u0105\u0107 przecieku danych mi\u0119dzy zbiorem walidacyjnym a zbiorem treningowym.<\/p>\n<p>Klasteryzacja zosta\u0142a przeprowadzona za pomoc\u0105 modeli mieszanin Gaussa. Kryterium informacyjne Akaike pozwoli\u0142o okre\u015bli\u0107 2 optima. Pierwsze optimum odpowiada 1 klastrowi. Drugie, mniej wyra\u017ane optimum, odpowiada 80 klastrom. Na podstawie tego wyniku mo\u017cna wysnu\u0107 nast\u0119puj\u0105cy wniosek: informacje s\u0105 niezwykle trudne do podzia\u0142u na klastry bez apriorycznej wiedzy. Aby uzyska\u0107 lepsz\u0105 klasteryzacj\u0119, potrzebne s\u0105 dane, kt\u00f3re szczeg\u00f3\u0142owo opisuj\u0105 ka\u017cdego klienta.<\/p>\n<p>Z tego powodu rozwa\u017cono zadanie uczenia pod okiem nauczyciela, aby zaproponowa\u0107 ka\u017cdemu klientowi odpowiedni produkt. Rozwa\u017cano nast\u0119puj\u0105ce produkty: \u201eLokata terminowa\u201d, \u201eKarta kredytowa\u201d, \u201eOverdraft\u201d, \u201eKredyt konsumpcyjny\u201d, \u201eKredyt samochodowy\u201d, \u201eKredyt hipoteczny\u201d. <\/p>\n<p>W danych wyst\u0119powa\u0142 jeszcze jeden rodzaj produktu: \u201eRachunek bie\u017c\u0105cy\u201d. Jednak nie rozwa\u017cali\u015bmy go ze wzgl\u0119du na nisk\u0105 informacyjno\u015b\u0107. Na podstawie u\u017cytkownik\u00f3w, kt\u00f3rzy s\u0105 klientami banku, czyli nie zaprzestali korzystania z jego produkt\u00f3w, zbudowano model przewiduj\u0105cy, jaki produkt mo\u017ce ich interesowa\u0107. Model wybrano jako regresj\u0119 logistyczn\u0105, a jako miar\u0119 oceny jako\u015bci zastosowano warto\u015b\u0107 Lift dla pierwszych 10 percentyli. <\/p>\n<p>Jako\u015b\u0107 modelu mo\u017cna oceni\u0107 na rysunku.<\/p>\n<p><img decoding=\"async\" alt=\"Jak przewidywali\u015bmy spadek, podchodz\u0105c do niego jak do katastrofy naturalnej\" src=\"\/wp-content\/uploads\/2019\/03\/77cab18988ab9c3b768b86e31479817f.png\" style=\"display:block;margin: 0 auto;\" \/><br \/>\n<i>Wyniki modelu rekomendacji produkt\u00f3w dla klient\u00f3w <\/i> <\/p>\n<h2>Podsumowanie<\/h2>\n<p>\nPodej\u015bcie to przynios\u0142o nam pierwsze miejsce w kategorii \u201eAI w bankowo\u015bci\u201d na Mistrzostwach AI RAIF-Challenge 2017.<\/p>\n<p><img decoding=\"async\" alt=\"Jak przewidywali\u015bmy spadek, podchodz\u0105c do niego jak do katastrofy naturalnej\" src=\"\/wp-content\/uploads\/2019\/03\/0c321869dfd02323766c025ed4021bcf.png\" style=\"display:block;margin: 0 auto;\" \/><br \/>\n<br \/>\nNajwidoczniej kluczowe by\u0142o podej\u015bcie do problemu z nieco innej perspektywy oraz zastosowanie metody, kt\u00f3ra jest zwykle u\u017cywana w innych sytuacjach.<\/p>\n<p>Chocia\u017c masowy odp\u0142yw u\u017cytkownik\u00f3w mo\u017ce by\u0107 dla us\u0142ug katastrof\u0105 naturaln\u0105.<\/p>\n<p>Metod\u0119 t\u0119 mo\u017cna wykorzysta\u0107 r\u00f3wnie\u017c w innych dziedzinach, gdzie wa\u017cne jest uwzgl\u0119dnienie odp\u0142ywu, nie tylko przez banki. Na przyk\u0142ad, wykorzystali\u015bmy j\u0105 do obliczenia w\u0142asnego odp\u0142ywu \u2014 w Syberyjskim i Petersburskim oddziale Rostelekomu.<\/p>\n<p><i>\u201eLaboratorium inteligentnej analizy danych\u201d firma \u201ePortal wyszukiwania \u201eSputnik\u201d<\/i><br \/>\n<br \/>\u0179r\u00f3d\u0142o: <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\/pl\/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=\"pl_PL\" \/>\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\/pl\/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\udd47Jak przewidywali\u015bmy odp\u0142yw, podchodz\u0105c do niego jak do katastrofy naturalnej | ProHoster","description":"Czasami, aby rozwi\u0105za\u0107 jaki\u015b problem, wystarczy spojrze\u0107 na niego z innej perspektywy.","canonical_url":"https:\/\/prohoster.info\/pl\/blog\/kak-my-predskazyvali-ottok-podojdya-k-nemu-kak-k-stihijnomu-bedstviyu","robots":"max-image-preview:large","keywords":"","webmasterTools":{"miscellaneous":""},"schema":null,"og:locale":"pl_PL","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\/pl\/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\/pl\/wp-json\/wp\/v2\/posts\/30044","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/prohoster.info\/pl\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/prohoster.info\/pl\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/prohoster.info\/pl\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/prohoster.info\/pl\/wp-json\/wp\/v2\/comments?post=30044"}],"version-history":[{"count":0,"href":"https:\/\/prohoster.info\/pl\/wp-json\/wp\/v2\/posts\/30044\/revisions"}],"wp:attachment":[{"href":"https:\/\/prohoster.info\/pl\/wp-json\/wp\/v2\/media?parent=30044"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/prohoster.info\/pl\/wp-json\/wp\/v2\/categories?post=30044"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/prohoster.info\/pl\/wp-json\/wp\/v2\/tags?post=30044"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}