Заліковий проєкт курсу Big Data Lab 3 від Vodafone Ukraine

Задача класифікації (ML Binary classification model): Модель визначення схильності абонентів мобільного зв'язку до придбання нового пристрою зв'язку у наступному місяці

Бізнес-мета:

В межах промоакції (продаж телефонів у магазинах Vodafone) необхідно визначити абонентів, схильних до заміни власних телефонів.

Задача:

Визначити клієнтів, які придбають телефон у наступному місяці

Model target:

• 1 - Абонент, який змінив свій телефон протягом наступного місяця
• 0 - Абонент продовжив використовувати своїм девайсом протягом наступного місяця

Evaluation:

Метрикою якості моделі являються показники ROC-AUC, Precision, Recall, Confusion matrix, f1-score на TestSample

Baseline test sample - ROC-AUC = 0.62

Схема даних:

Train Sample

• HASH_SCHOOL_DEVICE_MODEL_FE.sas7bdat (Target - розмітка) – абонентська вітрина
• HASH_SCHOOL_DEVICE_B_NUM.sas7bdat – дані про короткі номери
• HASH_SCHOOL_DEVICE_DPI.sas7bdat – трафік мобільних додатків

Test Sample

• HASH_SCHOOL_DEVICE_MODEL_T_FE.sas7bdat(Target - розмітка) – абонентська вітрина
• HASH_SCHOOL_DEVICE_B_NUM_TEST .sas7bdat – дані про короткі номери
• HASH_SCHOOL_DEVICE_DPI_TEST.sas7bdat – трафік мобільних додатків

Очікуваним результатом проєкту є:

1. Jupyter Notebook (з коментованим кодом та прогнозованим результатом Test Sample)
2. Презентація результатів (графіки, таблиці):
   • feature explorer
   • feature encoding,
   • спосіб валідації
   • best model (best algorithm/best metrics)
   • підхід до підбору hyperparameters model
   • features importance

Виконання проєкту

1. Результати роботи над проєктом

2. Вхідні дані та способи автоматизації

3. Пошук додаткових ознак абонента (feature engineering)

3-1. Використання геоданих розподілу клієнтів (spatial analysis)

4. Ознаки, які позитивно вплинули на роботу моделі (feature importance)

5. Тренування моделі

6. Оцінка результатів роботи моделі (metrics)

1. Результати роботи над проєктом

Переваги використання моделей машинного навчання:

• Планування доцільних обсягів рекламних кампаній відповідно потреб ринку
• Прогнозування результатів акцій та майбутнього збуту пристроїв зв’язку
• Виключення дратівливих наслідків для нецільових абонентів
• Отримання кількісних обґрунтувань при прийнятті управлінських рішень
• Зменшення витрат на рекламні кампанії

Можливі стратегії використання моделей передбачення:

• Визначення абонентів найбільш схильних до придбання або тих, що вже налаштовані на придбанння нового засобу зв’язку
• Покриття більшості абонентів, які проявляють інтерес до купівлі нового пристрою зв’язку
• Визначення переліку абонентів, які не налаштовані на придбання

2. Вхідні дані та способи автоматизації

3. Пошук додаткових ознак абонента (feature engineering)

3.1. Використання геоданих розподілу клієнтів (spatial analysis)

З наданих до опрацювання даних наявні відомості про локації 97% клієнтів — 204406. Більшість спостережень відповідає розташуванню великих міст: Київ, Харків, Суми, Житомир, ділянки узбережжя та деяким прикордонним ділянкам.

При візуальному порівнянні мап розподілу цільових категорій очевидні відмінності не проявляються. Скупчення абонентів відповідає ділянкам популярності оператора зв'язку, а не розподілу за таргетом. Запропоновано перевірити закономірності окремих ділянок та регіонів шляхом аналізу даних у сукупності порівнюючи найближчих сусідів.

Запропонований механізм виявлення схильності до придбання телефону відповідно до регіону перебування абонента:

Пропонується співставляти перевіряємого абонента із вже відомими абонентами, які є його «найближчими сусідами» по місцевості:

• Враховані сусіди тільки на визначеній відстані (близько 30 км, що відповідає ділянці району або великого міста)

• Відстань сусіда також впливає на його вагу у визначенні загального показника

• Розрахунок здійснюється тільки за наявності достатніх даних спостереження з ділянки

Результати опрацювання схильності до придабання нового телефону за географічною ознакою:

На відміну від кількості спостережень, що переважно зосережені у великих містах, схильність до купівлі нових засобів зв’язку більше виражена у прикордонних ділянках. Також у деяких ділянках (зона наближена ТОТ та великі площі, що мають значну відстань до великих міст) — спостерігається зворотння тенденція.

Таким чином сформовано додаткову ознаку щодо кожного абонента (feature), яка визначає схильність притаманного йому регіону до частішої зміни пристрою.

4. Ознаки, які позитивно вплинули на роботу моделі (feature importance)

Загальний рейтинг ознак:

Важливість ознак по джерелам даних:

5. Тренування моделі

6. Оцінка результатів роботи моделі (metrics)

Переглянути