电信客户流失分析实战

分析目标

找到流失用户特点
预测用户是否流失
提出优化建议

源数据

数据预处理

数据清洗

import pandas as pd

f = pd.read_csv(r'D:\Data\电信用户流失'
                r'\WA_Fn-UseC_-Telco-Customer-Churn - Copy.csv')
                
#检索数据
print(pd.isnull(f).sum(), f.info())

#按列检索数据
# for x in f.columns:
#     test = f.loc[:, x].value_counts()
#     print('{0} 的行数是：{1}'.format(x, test.sum()))
#     print('{0} 的数据类型是：{1}'.format(x, f[x].dtypes))
#     print('{0} 的内容是：\n{1}\n'.format(x, test))

#object转为float
f['TotalCharges'] = f['TotalCharges'].convert_dtypes(float)
print(f.shape)

#去空值
f.dropna(how='any', inplace=True)
#去重复
f.drop_duplicates(inplace=True)
#去' '
index = f[(f['TotalCharges'] == ' ')].index.tolist()
f.drop(index=index, inplace=True)
print(f.shape)
f.to_csv(r'D:\Data\电信用户流失'
         r'\WA_Fn-UseC_-Telco-Customer-Churn - Copy1.csv', index=False)

字段分析

字段	含义
Customer ID	用户ID
Gender	性别
Senior Citizen	是否老年人
Partner	是否结婚
Dependents	是否有亲属
Tenure	使用时长
Phone Service	是否有电话服务
Multiple Lines	是否多机号
Internet Service	是否连接宽带
Online Security	是否开通网络安全服务
Online Backup	是否有线上备份
Device Protection	是否有设备保护
Tech Support	是否有技术支持
Streaming TV	是否订购电视
Streaming Movies	是否订购电影
Contract	合同时长
Paperless Billing	是否有电子账单
Payment Method	客户支付方式
Monthly Charges	每月消费金额
Total Charges	累计消费金额
Churn	是否流失

目标字段：

Churn（主指标）

影响字段：

除Customer ID和Churn外都可能是影响字段

按维度划分字段

数据分析与可视化

客户属性
相对比率

总体比率

性别与流失率几乎不相关
老年用户流失率高
没有伴侣的用户流失率高
无家属的用户流失率高
服务属性
手机服务
相对比率

总体比率

手机服务订购与否与流失率几乎不相关
是否多号码与流失率几乎不相关
网络服务
相对比率

总体比率

相对比率

总体比率

按网络服务订购方式，订购光纤网络的用户流失率最高
在订购了网络各项服务的用户中：

• 没有订阅电视流失率略微高
• 没有订阅电影流失率略微高
• 没有订购网络安全流失率高
• 没有订购网络备份流失率高
• 没有订购设备保护流失率高
• 没有订购技术支持流失率高

合同属性

• 随使用时长增加流失率降低

• 随付费增加流失率略微降低

• 月均付费与流失率几乎无关系
  相对比率
  
  总体比率
  

• 按月缴费用户流失率高

• 使用电子账单的流失率高

• 使用电子支付的流失率高

按所有属性划分（排除影响小的）

排名第一的属性

由此可以看出，拥有月度付费习惯，所有业务都不订购的用户流失率最高

总结

从总体上看，应该提高各项业务的订购率，可以通过促销等手段提高业务订购率，增加用户的粘性。
从维度上看：

• 提高无家属用户粘性
• 改善光纤服务质量
• 鼓励用户按年度付费，改善在线支付、账单系统体验

预测模型

import pandas as pd
from sklearn.feature_extraction import DictVectorizer
from sklearn.model_selection import train_test_split, GridSearchCV
from sklearn.tree import DecisionTreeClassifier

# 预处理数据
f = pd.read_csv(r'D:\Data\电信用户流失'
                r'\WA_Fn-UseC_-Telco-Customer-Churn - Copy1.csv', index_col=0)
x = f.iloc[:, :-1]
y = f.iloc[:, -1:]
x_train, x_test, y_train, y_test = train_test_split(x, y, stratify=y)
transfer = DictVectorizer(sparse=False)
x_train = transfer.fit_transform(x_train.to_dict(orient="records"))
x_test = transfer.fit_transform(x_test.to_dict(orient="records"))

# 模型训练优化
model = DecisionTreeClassifier()
param = {"criterion": ['entropy', 'gini'],
         "max_depth": [3, 5, 8, 12, 15]}
gc = GridSearchCV(model, param_grid=param, cv=2)
gc.fit(x_train, y_train)

# 评分和预测
print("决策树预测的准确率为：", gc.score(x_test, y_test))
print(gc.predict(x_test))

准确率：0.7861205915813424