原文链接消费者今天会订阅多种电信服务（电视、付费节目、游戏等）。然而，电信运营商提供的服务差异化程度不高，客户忠诚度成为问题。因此，电信公司主动识别容易流失的客户并采取预防措施来留住他们变得越来越重要。基于以上背景，tecdat研究人员分析了2016年至今的电信用户流失数据，建立了预测模型，识别高流失概率的客户群体，同时找出哪些用户特征（“X”）对用户流失影响最大（“X”）Y"）会产生显着影响。▼▍数据概览使用观看服务的用户数量最多，其次是订阅付费节目，订阅游戏服务的用户最少，订阅观看服务的用户增长最快，其次是订阅游戏服务的用户，而订阅付费节目的用户增长缓慢且流失严重。与2016年相比，用户净增37%，但2017年上半年流失率较去年上升8个百分点。.可以看出，相比于发过数字机顶盒的用户，没有发过机顶盒的用户更容易流失。从不同营业厅的流失情况来看，沙河站和南口站的流失率最高，而昌平站和小汤山站的流失率相对较低。▍用户流失预测模型然后，我们使用DT算法分析电信客户特征特征，得到流失客户的基本特征，分析客户行为特征，有针对性地采取措施改善客户关系，避免客户流失或留住客户，达到治疗效果。▍技术DT（决策树）用于构建、验证和测试数据集的模型。在Spark/MLLib/Scikit-Learn/HDFS中重构实现以处理更大的数据集。▍结果模型预测客户流失的准确率达到93.2%。影响客户流失或对“Y”有显着影响的关键变量有：营业厅位置是否发行数字机顶盒分析客户行为特征后，我们有针对性地采取措施改善客户关系，避免客户流失或留住客户，达到补救的效果。
