Описание проекта
У нас подписочный бизнес, и мы месяц за месяцем теряем платящих подписчиков, но при этом не видим заранее, кто именно собирается уйти и почему. Нам нужна система прогнозирования оттока и аналитики удержания, построенная на наших исторических данных: модель машинного обучения, которая для каждого активного клиента считает вероятность отписки в ближайшие 30, 60 и 90 дней. Модель не должна быть чёрным ящиком — по каждому клиенту из зоны риска нам важно видеть основные драйверы прогноза, чтобы команда понимала, в чём причина: падение активности, проблемы с оплатой, зависшие обращения в поддержку, чувствительность к цене или предложение конкурента, и работала с реальной причиной, а не гадала.
Помимо скоринга, требуется полноценная когортная аналитика удержания. Покажите кривые удержания и выживаемости в разрезе когорт регистрации, тарифов, каналов привлечения и регионов, чтобы было видно, где именно и на каком этапе жизненного цикла ломается удержание. Система должна распределять клиентов по понятным группам риска и автоматически запускать триггеры — действия по удержанию: адресные письма, ограниченную скидку, звонок аккаунт-менеджера или сообщение внутри продукта — как только клиент пересекает заданный порог риска. Каждое сработавшее действие должно фиксироваться, чтобы затем измерить, какие меры реально снизили отток.
Мы ожидаем чистые и надёжные пайплайны данных, переобучение модели по расписанию, честные метрики качества (precision, recall, lift, калибровка) и простой интерфейс, которым наша нетехническая команда сможет пользоваться каждый день без посторонней помощи. Опишите, пожалуйста, предлагаемый стек, как вы будете валидировать модель на наших данных, и реалистичные сроки.
Что нужно на выходе:
— скоринг риска оттока на горизонтах 30/60/90 дней с объяснением драйверов по каждому клиенту;
— дашборды когорт, удержания и кривых выживаемости с фильтрами;
— автоматические группы риска и настраиваемые триггеры удерживающих действий;
— пайплайн переобучения по расписанию, документация и передача проекта.
Помимо скоринга, требуется полноценная когортная аналитика удержания. Покажите кривые удержания и выживаемости в разрезе когорт регистрации, тарифов, каналов привлечения и регионов, чтобы было видно, где именно и на каком этапе жизненного цикла ломается удержание. Система должна распределять клиентов по понятным группам риска и автоматически запускать триггеры — действия по удержанию: адресные письма, ограниченную скидку, звонок аккаунт-менеджера или сообщение внутри продукта — как только клиент пересекает заданный порог риска. Каждое сработавшее действие должно фиксироваться, чтобы затем измерить, какие меры реально снизили отток.
Мы ожидаем чистые и надёжные пайплайны данных, переобучение модели по расписанию, честные метрики качества (precision, recall, lift, калибровка) и простой интерфейс, которым наша нетехническая команда сможет пользоваться каждый день без посторонней помощи. Опишите, пожалуйста, предлагаемый стек, как вы будете валидировать модель на наших данных, и реалистичные сроки.
Что нужно на выходе:
— скоринг риска оттока на горизонтах 30/60/90 дней с объяснением драйверов по каждому клиенту;
— дашборды когорт, удержания и кривых выживаемости с фильтрами;
— автоматические группы риска и настраиваемые триггеры удерживающих действий;
— пайплайн переобучения по расписанию, документация и передача проекта.
Обучение и Консультации Наличные, Банковский перевод
