Пожалуйста, используйте этот идентификатор, чтобы цитировать или ссылаться на этот ресурс:
http://hdl.handle.net/11701/27365
Полная запись метаданных
Поле DC | Значение | Язык |
---|---|---|
dc.contributor.advisor | Воскобович Антон Вячеславович | ru_RU |
dc.contributor.advisor | Voskobovic Anton Vaceslavovic | en_GB |
dc.contributor.author | Марьинский Александр Николаевич | ru_RU |
dc.contributor.author | Marinskij Aleksandr Nikolaevic | en_GB |
dc.contributor.editor | Кудрявцев Дмитрий Вячеславович | ru_RU |
dc.contributor.editor | Kudravcev Dmitrij Vaceslavovic | en_GB |
dc.date.accessioned | 2021-04-07T21:02:51Z | - |
dc.date.available | 2021-04-07T21:02:51Z | - |
dc.date.issued | 2020 | |
dc.identifier.other | 070738 | en_GB |
dc.identifier.uri | http://hdl.handle.net/11701/27365 | - |
dc.description.abstract | Создание модели оттока клиентов на сегодняшний день является одной из наиболее актуальных задач в области дата саенс для телекоммуникационной отрасли в России. Как и компании во многих других отраслях по всему миру, мобильные операторы в России столкнулись с сокращением потребительского спроса и ужесточающейся конкуренцией в 2020 году. Своевременное выявление пользователей, которые собираются сменить мобильного оператора, позволяет компании заранее начать деятельность, направленную на удержание таких клиентов, и, таким образом, сохранить выручку. Целью данного проекта является создание модели оттока клиентов для компании TELE2 и предложение процессов по его снижению. В результате проекта была создана модель машинного обучения, которая позволит компании выявлять наиболее уязвимых клиентов, которые собираются отказаться от услуг оператора. Более того, в работе было предложено несколько экономических последствий, которые можно использовать для оценки затрат на кампании по удержанию и потенциального увеличения прибыли. Наконец, была создана блок-схема процесса сокращения оттока, в которой выделены ключевые области улучшения для компании, а затем были предложены конкретные шаги по улучшению процесса. | ru_RU |
dc.description.abstract | Creating customer churn models is one of the most pressing data science challenges for the telecom industry in Russia nowadays. Like companies in many other industries around the world, telecom operators in Russia have faced shrinking consumer demand and fierce competition in 2020. Identifying users who are going to change their mobile operator in time allows the company to start activities aimed at retaining such customers in advance and thus keep revenue. The goal of the current project is to create a churn model for TELE2 company and suggest processes for churn reduction. As a result of the project, a machine learning model was created that allows the company to identify the most vulnerable clients, who are about to abandon the services of the operator. What is more, several economic implications were proposed in this paper, which can be used to estimate the costs of retention campaigns and potential profit gains. Finally, the flowchart of the process for churn reduction was created, which highlights the key areas of improvement for the company and then, particular steps to improve the process were suggested. | en_GB |
dc.language.iso | ru | |
dc.subject | предсказание оттока пользователей | ru_RU |
dc.subject | поведение пользователей | ru_RU |
dc.subject | телекоммуникационная индустрия | ru_RU |
dc.subject | машинное обучение | ru_RU |
dc.subject | глубокое обучение | ru_RU |
dc.subject | churn prediction | en_GB |
dc.subject | user behavior | en_GB |
dc.subject | telecommunications industry | en_GB |
dc.subject | machine learning | en_GB |
dc.subject | deep learning | en_GB |
dc.title | Creation of a Churn Model for the Company and Processes for Churn Reduction | en_GB |
dc.title.alternative | Создание модели оттока в компании и формирование процессов по его снижению | ru_RU |
Располагается в коллекциях: | MASTER'S STUDIES |
Файлы этого ресурса:
Файл | Описание | Размер | Формат | |
---|---|---|---|---|
Solonin_Marinskiy_Thesis.pdf | Article | 1,34 MB | Adobe PDF | Просмотреть/Открыть |
reviewSV_Scientific_advisor_reference_2020_Kudryavtsev.pdf | ReviewSV | 116,28 kB | Adobe PDF | Просмотреть/Открыть |
Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.