Analýza odchodu zákazníků prostřednictvím technik data miningu

Michaela Polejová

Master's thesis

A Churn Analysis Using Data Mining Techniques

Abstract:

Práce se zabývá problematikou predikce pravděpodobnosti odchodu zákazníka ke konkurenci. Tento jev je znám pod názvem churn. Náklady na získání nového zákazníka jsou zpravidla několikrát vyšší než náklady na udržení zákazníka stávajícího. Modelování churn představuje silný nástroj, s jehož pomocí je možné přesněji zacílit retenční aktivity. V práci je využit reálný dataset se zákaznickými údaji, nad kterým je vytvořen churn model za použití logistické regrese a rozhodovacího stromu. Na celý proces je aplikována metodika CRISP-DM. Na základě kritického zhodnocení průběhu procesu modelování a jeho výstupů jsou vyslovena doporučení pro další práci s modely a zlepšení jejich kvality.

Abstract:

The thesis focuses on issues of a prediction of the probability of a customer leaving for competition. This phenomenon is known as churn. The cost of acquiring a new customer is usually several times higher than the cost of retaining an existing customer. Churn modeling represents a powerful tool which can help to target retention activities more accurately. The thesis uses a real dataset with customer data, over which a churn model is created using logistic regression and decision tree. The CRISP-DM methodology is applied on the whole process. Based on a critical evaluation of the process of modeling and its outputs the author expresses recommendations on further work with the models and improving their quality.

Keywords

logistická regrese, rozhodovací strom, CRISP-DM, data mining, churn

Keywords

logistic regression, data mining, churn, decision tree, CRISP-DM

Language used: Czech

Date on which the thesis was submitted / produced: 6. 12. 2012

Thesis defence

• Date of defence: 20. 1. 2015
• Supervisor: Jiří Přibil
• Reader: Veronika Zelená

Vysoká škola ekonomická v Praze

Master programme / field:
Ekonomika a management / Management