电信客户流失分析与预测

一、项目背景
近年来，不论是传统行业还是互联网行业，都面临着用户流失问题。研究表明，企业可以在一周内失去100个用户，而同时又得到另外一个用户，从表明上来看业绩没有受到任何影响，而实际上争取这些新用户所花费的宣传、促销等成本显然要比保持老用户昂贵的多，从企业投资回报程度的角度来看是非常不经济的。
维护好老用户的重要性主要体现在以下四个方面：

留住老用户可使企业的竞争更长久。
留住老用户还会使成本大幅度降低。
留住老用户，还会大大有利于发展新用户。用户口碑效应，如果1个满意的用户引发8笔潜在的生意，那么其中至少1笔成交。
获取更多的用户份额。忠诚的用户会更愿意购买企业的的产品，其支出也会比随意消费者大得多。
二、分析目的
本文将对流失用户做特征分析和流失原因分析，帮助运营商发现并改善用户体验，以及确定挽留目标用户并制定方案。

三、数据来源
此数据集来自kaggle电信用户流失数据集

四、提出问题
分析用户特征与流失的关系
从整体情况看，流失用户的普遍具有哪些特征？
尝试找到合适的模型预测流失用户。
针对性给出增加用户黏性、预防流失的建议。

五、分析流程

六、理解数据
1、采集数据
本数据集来自DF ，数据源地址：
https://www.datafountain.cn/dataSets/35/details#
本数据集描述了电信用户是否流失以及其相关信息，共包含7044条数据，共20个字段，介绍下各个字段：
customerID ：用户ID。
gender：性别。（Female & Male）
SeniorCitizen ：老年人 （1表示是，0表示不是）
Partner ：是否有配偶 （Yes or No）
Dependents ：是否经济独立 （Yes or No）
tenure ：客户的入网时间（天）
PhoneService ：是否开通电话服务业务 （Yes or No）
MultipleLines：是否开通了多线业务（Yes 、No or No phoneservice 三种）
InternetService：是否开通互联网服务 （No, DSL数字网络，fiber optic光纤网络 三种）
OnlineSecurity：是否开通网络安全服务（Yes，No，No internetserive 三种）
OnlineBackup：是否开通在线备份业务（Yes，No，No internetserive 三种）
DeviceProtection：是否开通了设备保护业务（Yes，No，No internetserive 三种）
TechSupport：是否开通了技术支持服务（Yes，No，No internetserive 三种）
StreamingTV：是否开通网络电视（Yes，No，No internetserive 三种）
StreamingMovies：是否开通网络电影（Yes，No，No internetserive 三种）
Contract：签订合同方式 （按月，一年，两年）
PaperlessBilling：是否开通电子账单（Yes or No）
PaymentMethod：付款方式（bank transfer，credit card，electronic check，mailed check）
MonthlyCharges：月费用
TotalCharges：总费用
Churn：该用户是否流失（Yes or No）

2、导入包

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns

3、导入数据

data = pd.read_csv(r'D:\数据分析\telco-customer-churn\WA_Fn-UseC_-Telco-Customer-Churn.csv')

4.数据转化

data.columns=['用户ID','性别','老年人' ,'是否有配偶' ,'是否经济独立' ,'客户的入网时间','是否开通电话服务业务' ,'是否开通了多线业务'
,'是否开通互联网服务' ,'是否开通网络安全服务','是否开通在线备份业务','是否开通了设备保护业务','是否开通了技术支持服务','是否开通网络电视'
,'是否开通网络电影','签订合同年限' ,'是否开通电子账单','付款方式','月费用','总费用','该用户是否流失']
data.head()

#强制转换为数字，不可转换的变为NaN
data['总费用'] = pd.to_numeric(data['总费用'],errors='coerce')

test=data.loc[:,'总费用'].value_counts().sort_index()
print(test.sum())
#运行结果：7032
print(data.客户的入网时间[data['总费用'].isnull().values==True])
#运行结果：11

经过观察，发现这11个用户‘tenure’（入网时长）为0个月，推测是当月新入网用户。根据一般经验，用户即使在注册的当月流失，
也需缴纳当月费用。因此将这11个用户入网时长改为1，将总消费额填充为月消费额，符合实际情况。

#将总消费额填充为月消费额
#参数如下：
# df.replace(to_replace=None, value=None, inplace=False, limit=None, regex=False, method=‘pad‘, axis=None)
# to_replace：被替换的值,value：替换后的值,inplace：是否要改变原数据，False是不改变，True是改变，默认是False
data.loc[:,'总费用'].replace(to_replace=np.nan,value=data.loc[:,'月费用'],inplace=True)#查看是否替换成功
print(data[data['该用户是否流失']==0][['该用户是否流失','月费用','总费用']])

#将‘tenure’入网时长从0修改为1

data.loc[:,'该用户是否流失'].replace(to_replace=0,value=1,inplace=True)
print(pd.isnull(data['总费用']).sum())
print(data['总费用'].dtypes)

七、用户流失分析
根据一般经验，将用户特征划分为用户属性、服务属性、合同属性，并从这三个维度进行分析。

# 查看流失用户数量和占比。
plt.rcParams['font.sans-serif']=['SimHei']
plt.rcParams['axes.unicode_minus']=False
plt.pie(data['该用户是否流失'].value_counts(),labels=['未流失','流失'],autopct='%.2f%%',explode=(0.1,0))
plt.title('用户流失占比')

#查看数量上的对比
churnDf=data['该用户是否流失'].value_counts().to_frame()
x=churnDf.index
y=churnDf['该用户是否流失']
plt.bar(x,y,width