Математичне та програмне забезпечення системи аналізу відтоку клієнтів

Скорочена інформація про документ
dc.contributor.advisorТретиник, Віолета Вікентіївна
dc.contributor.authorСафонов, Артур Валерійович
dc.date.accessioned2024-05-23T08:51:06Z
dc.date.available2024-05-23T08:51:06Z
dc.date.issued2024
dc.description.abstractДисертацію виконано на 135 аркушах, вона містить 2 додатки та перелік посилань на використані джерела з 42 найменувань. У роботі наведено 45 рисунків та 10 таблиць. Актуальність теми. Проектування системи для аналізу відтоку клієнтів з використанням методів машинного навчання є дуже актуальною задачею в сучасному бізнес-середовищі. У сучасному світі конкуренція між компаніями росте, і залучення нових клієнтів стає дорожчим та складнішим завданням. Однак важливим аспектом підтримання прибутковості є збереження існуючих клієнтів. Зменшення відтоку клієнтів стало однією з ключових цілей для багатьох компаній, оскільки втрата клієнтів може призвести до значного зниження доходів та втрати ринкової частки. З використанням системи для аналізу відтоку клієнтів, побудованої на основі методів машинного навчання, компанії можуть: • Прогнозувати відтік клієнтів: Аналізуючи історичні дані та поведінку клієнтів, система може передбачити, які клієнти можуть ризикувати відтоком, і вчасно приймати заходи для їх утримання. • Покращувати сервіс та персоналізацію: Збір та аналіз даних про клієнтів дозволяє компаніям краще розуміти їхні потреби і надавати персоналізований сервіс. • Розробляти маркетингові стратегії: Система може допомогти визначити ефективні маркетингові стратегії для збереження клієнтів та виведення їхнього життєвого циклу. • Вдосконалювати продукти та послуги: Аналіз відтоку дозволяє ідентифікувати слабкі місця у продуктах або послугах, які можуть призводити до втрати клієнтів, і вдосконалювати їх. • Збільшувати прибутковість: Зменшення відтоку клієнтів може призвести до збільшення прибутків компанії без необхідності постійно привласнювати нових клієнтів. Отже, аналіз та прогнозування відтоку клієнтів з використанням методів машинного навчання стає важливим інструментом для підтримки стабільного та прибуткового розвитку бізнесу в сучасних умовах. Зв’язок роботи з науковими програмами, планами, темами. Дисертаційна робота виконувалась згідно з планом науково-дослідних робіт кафедри прикладної математики Національного технічного університету України «Київський політехнічний інститут імені Ігоря Сікорського». Мета і задачі дослідження. Мета дослідження "Система для аналізу відтоку клієнтів з використанням методів машинного навчання " полягає в розробці і реалізації інтелектуальної системи, яка спроможна аналізувати та прогнозувати відтік клієнтів у компанії з використанням методів машинного навчання. Основні задачі дослідження можуть включати: 1. Збір та підготовка даних: Збір та обробка історичних даних про клієнтів, їхню активність та відтік. Це включає в себе структурування даних, обробку відсутніх значень та їх підготовку для подальшого аналізу. 2. Вибір методів машинного навчання: Визначення найбільш підходящих методів машинного навчання для завдання аналізу відтоку. Це може включати класифікаційні моделі, класичні методи аналізу даних, або нейронні мережі. 3. Розробка та навчання моделей: Створення та навчання моделей на підготовлених даних для прогнозування відтоку клієнтів. Це може включати в себе оптимізацію гіперпараметрів та забезпечення вищої точності прогнозування. 4. Тестування та ефективність моделей: Проведення тестів на окремому наборі даних для оцінки точності та ефективності моделей. Визначення метрик, таких як точність, чутливість та специфічність. 5. Впровадження системи в бізнес-процес: Інтеграція розробленої системи в робочий процес компанії з метою моніторингу та управління відтоком клієнтів. 6. Моніторинг та оптимізація: Постійний моніторинг роботи системи та її оптимізація для покращення точності прогнозування та зменшення відтоку клієнтів. 7. Звітність і візуалізація результатів: Підготовка звітів та візуалізація результатів для команди компанії, що допомагає приймати ефективні рішення щодо зменшення відтоку. Об’єктом досліджень є клієнтська база компанії, історичні дані про клієнтів, методи машинного навчання, аналіз даних, моделі прогнозування відтоку клієнтів, існуючі реалізації систем аналізу відтоку клієнтів. Предметом досліджень є розробка математичної та програмної системи для аналізу відтоку клієнтів на основі методів машинного навчання (створення та оптимізація моделей, інтеграція зі структурами компанії). Методи дослідження. Для розв’язання поставленої задачі використовувалися такі методи: аналіз літератури та попередніх досліджень, кореляційний аналіз, машинне навчання, системний аналіз. Наукова новизна одержаних результатів складається з таких положень: – комплексний підхід до визначення відтоку: Удосконалено методологію аналізу відтоку, інтегруючи не лише фінансові показники, але і поведінкові метрики клієнтів; – використання високоточних методів машинного навчання: Вперше застосовано алгоритм FastForest для прогнозування відтоку клієнтів в системі. Це дозволяє досягти високої точності в результатах; – розробка методів для діагностики та відлагодження моделі. Розроблена система здатна працювати в реальному часі, що є важливим кроком у практичному впровадженні систем аналізу відтоку клієнтів. Практичне значення одержаних результатів. Результати даного дослідження мають виражене практичне значення та можуть бути використані в ряді напрямів: – оптимізація бізнес-процесів. Система аналізу відтоку клієнтів може стати незамінним інструментом для маркетингових відділів компаній різних галузей. Це дозволить прогнозувати можливий відтік клієнтів та своєчасно реагувати на цю інформацію; – підвищення конкурентоспроможності. Застосування методів машинного навчання для аналізу клієнтських даних є трендом сучасності, і компанії, які це роблять, отримують конкурентну перевагу; – персоналізація маркетингових кампаній. За допомогою розробленої системи можна сегментувати клієнтів на основі їхньої «схильності» до відтоку, що дозволяє проводити більш цільові маркетингові кампанії; – економія ресурсів. За допомогою прогнозування відтоку можна значною мірою зекономити ресурси, які би інакше були витрачені на залучення нових клієнтів; – скорочення фінансових втрат. Проактивне управління відтоком клієнтів може зменшити фінансові втрати та підвищити прибутковість бізнесу. Апробація результатів дисертації. Основні положення й результати роботи представлено на шістнадцятій науковій конференції магістрантів та аспірантів «Прикладна математика та комп’ютинг» ПМК-2023 (Київ, 28-30 листопада 2023 р.) Публікації. Результати дисертації викладено в 1 науковій праці, у тому числі: − в 1 публікації у тезах доповідей конференцій.
dc.description.abstractotherThe thesis is presented in 135 pages. It contains 2 appendixes and bibliography of 42 references. 45 figures and 10 tables are given in the thesis. Topic relevance. The topic "A system for analyzing customer churn using machine learning methods" is very relevant in the modern business environment. In today's world, competition between companies is growing, and attracting new customers is becoming more expensive and difficult. However, retaining existing customers is an important aspect of maintaining profitability. Reducing customer churn has become one of the key goals for many companies, as losing customers can lead to a significant decrease in revenue and loss of market share. With the use of a system for analyzing customer churn built on machine learning techniques, companies can: • Predict customer churn: By analyzing historical data and customer behavior, the system can predict which customers may be at risk of churning and take timely action to retain them. • Improve service and personalization: Collecting and analyzing customer data allows companies to better understand their needs and provide personalized service. • Develop marketing strategies: The system can help identify effective marketing strategies for customer retention and lifecycle management. • Improve products and services: Churn analysis allows you to identify weaknesses in products or services that may lead to customer loss and improve them. • Increase profitability: Reducing customer churn can lead to increased company profits without the need to constantly acquire new customers. Thus, analyzing and forecasting customer churn using machine learning methods is becoming an important tool for maintaining stable and profitable business development in today's environment. Thesis connection to scientific programs, plans, and topics. The dissertation was carried out in accordance with the research plan of the Department of Applied Mathematics of the National Technical University of Ukraine "Igor Sikorsky Kyiv Polytechnic Institute". Research goal and objectives. The purpose of the study "System for analyzing customer churn using machine learning methods" is to develop and implement an intelligent system that can analyze and predict customer churn in a company using machine learning methods. The main research objectives may include: 1. Data collection and preparation: Collecting and processing historical data on customers, their activity, and churn. This includes structuring the data, processing missing values, and preparing it for further analysis. 2. Selection of machine learning methods: Determining the most appropriate machine learning methods for the churn analysis task. This may include classification models, classical data mining techniques, or neural networks. 3. Model development and training: Creating and training models on prepared data to predict customer churn. This may include optimizing hyperparameters and ensuring higher prediction accuracy. 4. Testing and efficiency of models: Conducting tests on a separate dataset to evaluate the accuracy and performance of the models. Determine metrics such as accuracy, sensitivity, and specificity. 5. Implementation of the system into the business process: Integrating the developed system into the company's workflow to monitor and manage customer churn. 6. Monitoring and optimization: Continuous monitoring of the system and its optimization to improve forecasting accuracy and reduce customer churn. 7. Reporting and visualization of results: Preparation of reports and visualization of the results for the company's team, which helps to make effective decisions to reduce churn. Object of research is the company's customer base, historical customer data, machine learning methods, data analysis, customer churn forecasting models, existing implementations of customer churn analysis systems. Subject of research is the development of a mathematical and software system for analyzing customer churn based on machine learning methods (creation and optimization of models, integration with company structures). Methods of research. The following methods were used to solve the problem: analysis of literature and previous studies, correlation analysis, machine learning, system analysis. Scientific contribution consists of the following: – a comprehensive approach to determining churn: The churn analysis methodology has been improved, integrating not only financial indicators, but also customer behavioral metrics; - the use of highly accurate machine learning methods: For the first time, the FastForest algorithm was used to predict the outflow of customers in the system. This allows you to achieve high accuracy in the results; - development of methods for diagnosing and debugging the model. The developed system is able to work in real time, which is an important step in the practical implementation of customer outflow analysis systems. Practical value of obtained results. The results of this study have a pronounced practical significance and can be used in a number of areas: - optimization of business processes. A system for analyzing customer churn can become an indispensable tool for marketing departments of companies in various industries. This will make it possible to predict the possible outflow of customers and respond to this information in a timely manner; - increasing competitiveness. The use of machine learning methods to analyze customer data is a modern trend, and companies that do this gain a competitive advantage; – personalization of marketing campaigns. With the help of the developed system, it is possible to segment customers based on their "tendency" to churn, which allows for more targeted marketing campaigns; - saving resources. With the help of churn forecasting, you can significantly save resources that would otherwise be spent on attracting new customers; - reduction of financial losses. Proactive customer churn management can reduce financial losses and increase business profitability. Approbation of the thesis results. The main provisions and results of the work were presented at the sixteenth Scientific Conference of Masters and Postgraduate "Applied Mathematics and Computing" AMC-2023 (Kyiv, November 28-30, 2023) Publications. The results of the dissertation are presented in 1 scientific work, including: – in 1 publication in papers and abstracts of reports of international scientific conferences.
dc.format.extent172 с.
dc.identifier.citationСафонов, А. В. Математичне та програмне забезпечення системи аналізу відтоку клієнтів : магістерська дис. : 113 Прикладна математика / Сафонов Артур Валерійович. – Київ, 2024. – 172 с.
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/66860
dc.language.isouk
dc.publisherКПІ ім. Ігоря Сікорського
dc.publisher.placeКиїв
dc.subjectвідтік клієнтів
dc.subjectмашинне навчання
dc.subjectаналіз даних
dc.subjectкласифікація клієнтів
dc.subjectпрогнозування відтоку
dc.subjectоптимізація клієнтської бази
dc.subjectметоди аналізу даних
dc.subjectвпровадження системи
dc.subjectмоніторинг та оптимізація
dc.subjectзвітність
dc.subjectефективність системи
dc.subjectризик відтоку
dc.subjectклієнтська база
dc.subjectпрогнозування збереження клієнтів
dc.subjectдані клієнтів
dc.subjectсистема аналізу
dc.subjectавтоматизація процесів
dc.subjectінтеграція даних
dc.subjectмоделі машинного навчання
dc.subjectпокращення клієнтського досвіду
dc.subject.udc004.62:510.22:004.023
dc.titleМатематичне та програмне забезпечення системи аналізу відтоку клієнтів
dc.typeMaster Thesis

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Safonov_magistr.pdf
Розмір:
4.5 MB
Формат:
Adobe Portable Document Format
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
8.98 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Зібрання

Магістерські роботи (ПМА)
Магістерські роботи