如何将机器学习与灵敏性分析相结合来制定业务策略?(12)

查看ROC曲线 , 您可以看到同一模型可以准确预测30%的客户流失 , 而将非流失客户预测为流失客户的概率为10% 。 使用网格搜索 , 我发现阈值为p = 0.56 。 如果您想最大程度地减少高估会流失客户数量的风险(例如 , 由于我们为保留这些客户而进行的活动可能会成本很高) , 则可能要使用此模型 。

将ML模型应用于业务策略设计

在本节中 , 我将使用我开发的ML模型来更好地理解影响客户流失的因素 , 得出减少流失的特征选择 , 并评估这些选择可能对流失率产生的影响 。

考虑到特征对客户流失的综合影响 , 我使用了逐步逻辑回归来评估特征的重要性 。 如下图所示 , 回归确定了12个关键特征 。 当我在回归模型中包含这12个特征时 , 预测得分最高 。

在这12个因素中 , 净利润率 , 产品A和产品B的预计购买量以及多个产品客户的指标是最容易引起客户流失的特征 。 减少客户流失的因素包括三个销售渠道 , 一个营销活动 , 折扣价值 , 总体订购额 , 客户忠诚度以及购买的产品总数 。

推荐阅读