The usage of neural networks to forecast for churn of telecommunications clients

• Autorzy: Wojda Przemysław

Warianty tytułu

PL

Wykorzystanie sztucznych sieci neuronowych do prognozowania zjawiska churn wśród klientów usług telekomunikacyjnych

• Języki publikacji: EN

Abstrakty

EN

This paper presents an attempt to use an artificial neural network to investigate the churn phenomenon among the customers of a telecommunications operator. An attempt was made to create a data model based on the customer lifetime value (CLV) rather than on activity alone. A multilayered artificial neural network was used for the experiments. The results yielded a 99% successful identification rate for customers in no danger of leaving, while only 57% of those identified as in danger of leaving actually did so and stopped using the company's services.

PL

W pracy przedstawiono próbę wykorzystania sztucznej sieci neuronowej do badania zjawiska churn wśród klientów operatora telekomunikacyjnego. Podjęto próbę stworzenia modelu danych opartego o całkowitą wartość klienta (CLV), a nie tylko jego aktywność. Do przeprowadzenia eksperymentów wykorzystana została wielowarstwowa sztuczna sieć neuronowa. Uzyskano 99% skuteczność identyfikowania klientów nie zagrożonych odejściem, natomiast tylko 57% klientów wskazanych jako zagrożonych odejściem w rzeczywistości zaprzestało korzystania z usług firmy.

Słowa kluczowe

EN

churn; artificial neural network; ANN; CLV; telecommunications

PL

churn; sztuczne sieci neuronowe; ANN; CLV; telekomunikacja

• Wydawca: Wydawnictwa Uczelniane Politechniki Bydgoskiej im. Jana i Jędrzeja Śniadeckich
• Czasopismo: Zeszyty Naukowe. Telekomunikacja i Elektronika / Uniwersytet Technologiczno-Przyrodniczy w Bydgoszczy
• Rocznik: 2017
• Tom: z. 20
• Strony: 5--14
• Opis fizyczny: Bibliogr. 6 poz., rys., tab.

Twórcy

autor

Wojda Przemysław

• Warsaw University of Technology, Faculty of Electronics and Information Technology Nowowiejska 15/19, 00-665 Warsaw, Poland

Bibliografia

• [1] Ahmed A., Linen D.M., 2017. A review and analysis of churn prediction methods for customer retention in telecom industries.
• [2] Abdi H., 2010. Coefficient of Variation.
• [3] Ljungehed J., 2017. Predicting Customer Churn Using Recurrent Neural Networks. School of Computer Science and Communication, Stockholm, Sverige.
• [4] Hosseni M.B., Tarokh M.J., 2011. Customer Segmentation Using CLV Elements. Information Technology Group, Industrial Engineering Department, K.N. Toosi University of Technology, Tehran, Iran.
• [5] Vafeiadis T., Diamantaras K.I., Sarigiannidis G., Chatzisavvas K.Ch., 2015. A comparison of machine learning techniques for customer churn prediction.
• [6] Zhang Y., Qi J., Shu H., Li Y., 2006. Predicting Churn Probability of Fixed-line Subscriber with Limited Information: A Data Mining Paradigm for Enterprise Computing. [In:] Tjoa A.M., Xu L., Chaudhry S.S. (eds.), Research and Practical Issues of Enterprise Information Systems. IFIP International Federation for Information Processing, vol. 205, Springer, Boston, MA.