kaggle数据集_电信用户流失分析（kaggle数据集）

一、项目介绍

不管是互联网还是传统行业，大都存在用户流失问题。本文主要对某电信服务商的用户基础数据进行分析，探索对用户流失有深刻影响的相关指标，帮助服务商制定有针对性的用户挽留计划，提高用户留存率。

二、技术工具

本项目以jupyter notebook为平台，以Python语言为基础，采用pandas进行数据整理和统计分析，用matplotlib、seaborn进行可视化呈现，scikit-learn的LogisticRegression建模预测。

三、数据初探

数据集来源于kaggle，每一行代表一条用户数据，每列代表一些用户属性，包括：用户流失指标（Churn）、用户个人信息（gender、SeniorCitizen、Partner、Dependents）、用户账户信息数据（tenure 、Contract 、PaperlessBilling、PaymentMethod、MonthlyCharges 、 TotalCharges）、用户订阅服务数据（PhoneService、MultipleLines、InternetService 、OnlineSecurity、OnlineBackup、DeviceProtection、TechSupport、StreamingTV 、StreamingMovies）。

观察数据后，提出如下几个问题：

1、用户个人信息，如家庭成员，是否影响用户流失？；2、用户订阅服务的对用户流失的影响（直观上感觉影响不大）？；3、用户账户信息数据（重点）如何影响用户流失？

四、数据清洗

导入数据

观察头部数据

查看各字段数据类型、缺失值。发现TotalCharges的数据类型不是数值型，需要进行处理。

查看所有字段唯一值

缺失值查看、数据类型转换及缺失值处理（第一次做的时候TotalCharges字段有11个缺失值，后来处理后就消失了，这里附上缺失值处理方法）

五、数据可视化

将数据集的数据分为分类特征数据和数值特征数据进行可视化呈现。

1、分类特征字段（16个）

1.1 用户个人信息（gender, SeniorCitizen, Partner, Dependents ）

结论：1、用户流失指标与性别gender基本无关；2、老年用户SeniorCitizen流失比例相对大一些，可能是由于年长的用户对这些新生事物不感冒，抑或是和老年人死亡率高有关系；3、家属（Partner、Dependents）较少的用户更容易流失，家庭成员少了自然对通信服务需求就少了，这个很好理解。

1.2 用户订阅服务（PhoneService、MultipleLines、InternetService 、OnlineSecurity、OnlineBackup、DeviceProtection、TechSupport、StreamingTV 、StreamingMovies）

1.2.1 手机、网络服务指标

1.2.2 其他订阅服务

结论：1、手机服务指标PhoneService、MultiLines似乎影响不大；2、网络服务指标中，采用Fiber optic服务的用户更容易流失；3、其他订阅服务指标中，前四项服务（OnlineSecurity、OnlineBackup、DeviceProtection、TechSupport）对用户流失指标作用类似，没有订阅的用户较容易流失，后两项（StreamingTV 、StreamingMovies）没有明显特征，进行特征分析时可以忽略。

1.3 用户账户信息指标（Contract 、PaperlessBilling、PaymentMethod）

结论：1、采用无纸化账单（PaperlessBilling）时用户更容易流失；2、合同签约期（Contract）越长的用户越不容易流失。考虑到2年以上的合同，用户如果毁约则会有一定程度的惩罚，这个条件限制了用户违约性的解约行为；3、电子支付（Electronic cherk）的支付方式明显更容易流失客户，也许时因为办理业务方便，因此去留比较随性。

2、数值特征数据

主要包括：用户存续期tenure、月费MonthlyCharges、总费用TotalCharges

构造绘制核密度图函数

结论：1、新用户明显更容易流失，体现出维持老用户的重要性；2、月费越高越容易流失，这个好理解，所以高额月费必须要伴随着更多更优质的服务，否则将导致用户流失；3、总费用越少越较容易流失；4、明显看出用户存续期（tenure）和月费（MonthlyCharges）两个指标对用户流失（Churn）判断很重要。

六、特征工程

简单的数据处理

# 删除无用的列

七、逻辑回归建模

# 导入模块

OUT：0.7870326549929011

根据预测结果得到各变量对Churn影响的权重：

weights = pd.Series(model.coef_[0], index=X.columns)
# 得到与Churn最正相关的10个变量的权重条形图
fig1, ax1 = plt.subplots(figsize=(25, 12))
ax1 = weights.sort_values(ascending=False)[:10].plot(kind='barh')
ax1.set_title('Weights of The Most Positive Variables To Predict Churn', fontsize=35)

与用户流失Churn的最正相关的10个因素权重图

fig2, ax2 = plt.subplots(figsize=(25, 12))
ax2 = weights.sort_values(ascending=False)[-10:].plot(kind='barh')
ax2.set_title('Weights of The Most Nagivative Variables To Predict Churn', fontsize=35)

与用户流失Churn的最负相关的10个因素权重图

结论：根据逻辑回归模型预测得到：1、按月合同Contract_Month_To_Month和总费用TotalCharges是导致用户流失最关键的两个因素；2、与此相反，两年合同Contract_Two_Year和用户存续期tenure是提高用户忠诚度的最重要指标；3、此外，电子支付（Electronic cherk）、无纸化账单（PaperlessBilling）、fibre optic网络服务、年长用户等是导致用户流失其他因素。

八、逻辑回归系统优化

其实这样还只是万里长征第一步，还有很多工作要做，调参（参数优化、交叉验证）、模型融合等等。本人对机器学习的掌握有限，余下部分待今后补充。

九、总结

本项目利用某电信服务供应商的用户数据，通过数据清洗、数据可视化展现、逻辑回归建模等方式，对用户信息如何影响用户流失指标进行分析，得到如下结论：

1、年长用户 （SeniorCitizen）比较容易流失，公司需根据这部分人群的体量和利润，考虑是否减少对这部分人群营销力度，降低营销成本。

2、除Fiber optic服务的用户更容易流失外，其他手机、网络服务指标没有明显影响。

3、其他订阅服务指标中，除电视流和电影流服务外，订阅其他四项服务（OnlineSecurity、OnlineBackup、DeviceProtection、TechSupport）能减少用户流失，公司应加大对这几项服务的营销力度，可以采取赠送或者捆绑的方式。

4、分析用户账户信息，采用无纸化账单的方式用户流失率明显更高。猜想，虽然无纸化账单提高了效率，但可能降低了用户体验，进而降低用户忠诚度，应适当调整采用无纸化账单比例，并持续跟踪用户流失率情况。

5、考虑通过采取优惠减免、增加服务内容，引导用户签约中长期（两年以上）的合同，提高用户留存率。

6、电子支付（Electronic cherk）会导致用户流失，网上支付是大势所趋，方便的同时必将带来用户流失，对此似乎没有很好的办法。

7、高额月费（MonthlyCharges）将造成用户流失，一方面需要权衡服务费用和用户流失之间平衡关系，适当降低费用以提高用户留存率；另一方面，高额月费搭配优质服务或许能提高用户满意度，减少用户流失。

8、用户存续期（tenure）是用户忠诚度的体现，不仅需要采用正确的营销策略，更是价格、服务等因素综合作用的结果。

9、根据逻辑回归建模得到的导致用户流失指标权重，按其影响程度高低，采取上述措施建议。