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.
2
Dostęp do pełnego tekstu na zewnętrznej witrynie WWW
This paper presents an attempt to use an artificial neural network to investigate the chum 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 artykule przedstawiono próbę wykorzystania sztucznej sieci neuronowej (ang. Artificial Neural Network - ANN) do badania zjawiska churn wśród klientów operatora telekomunikacyjnego. Podjęto wysiłek stworzenia modelu danych opartego na całkowitej wartości klienta (ang. Customer Lifetime Value - CLV), a nie tylko na jego aktywności. Do przeprowadzenia eksperymentów wykorzystano wielowarstwową sztuczną sieć neuronową. Uzyskano 99-procentową skuteczność identyfikowania klientów nieobjętych ryzykiem odejścia. W rzeczywistości tylko 57% klientów objętych ryzykiem odejścia zrezygnowało z usług firmy.
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.