Опис проєкту
ПерекладУ нас підписний бізнес, і ми місяць за місяцем втрачаємо платних підписників, але при цьому не бачимо заздалегідь, хто саме збирається піти і чому. Нам потрібна система прогнозування відтоку та аналітики утримання, побудована на наших історичних даних: модель машинного навчання, яка для кожного активного клієнта вважає ймовірність відписки на найближчі 30, 60 і 90 днів. Модель не повинна бути чорною скринею — по кожному клієнту із зони ризику нам важливо бачити основні драйвери прогнозу, щоб команда розуміла, в чому причина: падіння активності, проблеми з оплатою, завислі звернення до підтримки, чутливість до ціни або пропозиція конкурента, і працювала з реальною причиною, а не гадала.
Крім скорингу, потрібна повноцінна когортна аналітика утримання. Покажіть криві утримання та виживаємості в розрізі когорт реєстрації, тарифів, каналів залучення і регіонів, щоб було видно, де саме і на якому етапі життєвого циклу ломається утримання. Система повинна розподіляти клієнтів по зрозумілим групам ризику і автоматично запускати тригери — дії з утримання: адресні листи, обмежену знижку, дзвінок account-менеджера або повідомлення всередину продукту — щойно клієнт перетинає заданий поріг ризику. Кожна сработавшая дія повинна фіксуватися, щоб потім виміряти, які заходи дійсно зменшили відтік.
Ми очікуємо чисті та надійні пайплайни даних, переучування моделі за розкладом, чесні метрики якості (precision, recall, lift, калібрування) і простий інтерфейс, яким наша нетехнічна команда зможе користуватися щодня без сторонньої допомоги. Опишіть, будь ласка, запропонований стек, як ви будете валідувати модель на наших даних, і реалістичні строки.
Що потрібно на виході:
— скоринг ризику відтоку на горизонтах 30/60/90 днів з поясненням драйверів по кожному клієнту;
— дашборди когорт, утримання і кривих виживаємості з фільтрами;
— автоматичні групи ризику і настроювані тригери утримуючих дій;
— пайплайн переучування за розкладом, документація та передача проекту.
Крім скорингу, потрібна повноцінна когортна аналітика утримання. Покажіть криві утримання та виживаємості в розрізі когорт реєстрації, тарифів, каналів залучення і регіонів, щоб було видно, де саме і на якому етапі життєвого циклу ломається утримання. Система повинна розподіляти клієнтів по зрозумілим групам ризику і автоматично запускати тригери — дії з утримання: адресні листи, обмежену знижку, дзвінок account-менеджера або повідомлення всередину продукту — щойно клієнт перетинає заданий поріг ризику. Кожна сработавшая дія повинна фіксуватися, щоб потім виміряти, які заходи дійсно зменшили відтік.
Ми очікуємо чисті та надійні пайплайни даних, переучування моделі за розкладом, чесні метрики якості (precision, recall, lift, калібрування) і простий інтерфейс, яким наша нетехнічна команда зможе користуватися щодня без сторонньої допомоги. Опишіть, будь ласка, запропонований стек, як ви будете валідувати модель на наших даних, і реалістичні строки.
Що потрібно на виході:
— скоринг ризику відтоку на горизонтах 30/60/90 днів з поясненням драйверів по кожному клієнту;
— дашборди когорт, утримання і кривих виживаємості з фільтрами;
— автоматичні групи ризику і настроювані тригери утримуючих дій;
— пайплайн переучування за розкладом, документація та передача проекту.
Навчання та Консультації Готівка, Банківський переказ
