Прогноз оттока клиентов

В конкурентном банковском секторе удержание клиентов является жизненно важным из-за высоких затрат на привлечение новых. Эта диссертация разрабатывает алгоритм машинного обучения для прогнозирования оттока клиентов, используя данные о транзакциях за шесть месяцев. Проект является частью соревнования Data Fusion 2024, проводимого ВТБ. Исследование использует анализ выживаемости и различные методы машинного обучения для решения таких задач, как цензурирование данных и создание признаков. Основные процессы включают предварительную обработку данных, генерацию признаков и оптимизацию модели. Разработка релевантных признаков, в частности отслеживание изменений в потоке транзакций с течением времени, важна для эффективности методов бустинга. Созданная модель, состоящая из ансамбля XGBoost и CatBoost, превосходит конкурентные решения соревнования с открытым исходным кодом. Исследование демонстрирует, что точное прогнозирование оттока клиентов возможно благодаря тщательной обработке данных и передовым методам моделирования. Эта работа предлагает ценные идеи для бизнеса, стремящегося улучшить стратегии удержания клиентов. Работа содержит 51 страницу, 5 глав, 17 рисунков, 16 таблиц и 42 источника. Ключевые слова: отток клиентов, машинное обучение, анализ выживаемости, предварительная обработка данных, создание признаков, XGBoost, CatBoost, ансамбль.