Inhaltsübersicht
Der komplette Weg von den Rohdaten zu den Kampagnen-Zielgruppen
Nicht alle Neukunden sind geblieben
Das erste Jahr war vergünstigt. Zwei Kampagnen sollen die Abwanderung bremsen, eine Plakatkampagne in den Stadtteilen mit der höchsten Abwanderung und eine persönliche Ansprache der Kunden, die vermutlich kündigen werden.
Der Auftrag nennt keine Zielquote, er fragt nach Adressaten. Welche Spalten zeigen ein Risiko, und wo liegt die Kontaktschwelle.
- Zielgebiete sind Stadtteile, nicht einzelne Kunden.
- Gesucht ist eine Rangfolge der zwölf Distrikte.
- Zielgruppe sind einzelne Kunden mit erkennbarem Risiko.
- Gesucht sind Merkmale und eine Kontaktschwelle.
| Schritt | Umfang | Anmerkung |
|---|---|---|
| churn_data | 3.349 Zeilen × 17 Spalten | eine Zeile je Kunde, Zielspalte churn |
| cities | 12 Zeilen | Stadtteile, 1:1 über area_code |
| Join | 3.349 × 18 | local_area_code = cities.area_code |
| Bereinigt | 3.333 × 18 | 16 vollständig leere Zeilen entfernt |
Querschnittsaufnahme ohne Datumsspalte. Jede Aussage bezieht sich auf einen Stand, nicht auf einen Verlauf.
customer_service_calls enthielt die Werte -1 und -2. Ein Zähler für getätigte Anrufe kann nicht negativ werden. Auf 0 gesetzt.
Ohne jeden Wert, ersatzlos entfernt.
number_vmail_messages, total_day_calls, total_eve_calls, total_night_calls. Aufgefüllt mit 0 oder Median, je nach fachlicher Bedeutung.
Der negative Anrufzähler blieb in der Musterlösung unentdeckt. Er verschiebt genau den Indikator, auf dem eine der Empfehlungen beruht.
Ohne Zeitachse kein Verlauf. Die Zielgruppenfrage wird damit zur Frage nach Merkmalen im Bestand, nicht nach einem Vorhersagemodell.
| Indikator | Abwanderung | Betroffene Kunden | Eignung |
|---|---|---|---|
| Internationaler Tarif | 42,4 % gegen 11,5 % | 323 | stark |
| Ab 4 Service-Anrufen | 45,8 % gegen 10 bis 13,5 % | 696 | stark |
| Tagesminuten über 350,74 | 50 % rechnerisch | 4 | nur ergänzend |
Zwei Indikatoren tragen eine Kampagne. Der dritte ist sauber hergeleitet und trifft trotzdem zu wenige Kunden, um allein zu stehen.
Vier von zwölf Stadtteilen tragen 60,9 Prozent aller Abwanderungen.
Jacksonville 29,82 %, Orlando1 23,67 %, Cape Coral 21,78 %, Orlando2 19,08 %. Das reicht als Zielgebiet für die Plakatkampagne.
42,4 % gegen 11,5 %, knapp das Vierfache.
Betrifft 323 Kunden. Klein genug, um sie einzeln anzusprechen.
Bis zum dritten Anruf zwischen 10,2 und 13,5 %, beim vierten 45,8 %.
Kontaktschwelle deshalb bei drei Anrufen, vor dem Knick. Betrifft 696 Kunden.
Die Schwelle ist gerechnet, nicht geschätzt.
Bei 350,74 Tagesminuten liegt die Abwanderungswahrscheinlichkeit bei 50 %. Sauber hergeleitet, aber nur vier Kunden liegen darüber.
Beide Kampagnen haben eine konkrete Zielgruppe, ohne Vorhersagemodell.
- Jacksonville, Orlando1, Cape Coral und Orlando2.
- Zusammen 60,9 Prozent der gesamten Abwanderung.
- 323 Kunden bei 42,4 Prozent Abwanderung.
- Bessere Konditionen für Auslandsgespräche anbieten, bevor sie kündigen.
- 696 Kunden betroffen.
- Beim vierten Anruf springt die Rate auf 45,8 Prozent, der Kontakt beim dritten schafft Vorlauf.
- Die Schwelle von 350,74 Minuten ist sauber hergeleitet.
- Sie trifft allein aber nur vier Kunden, deshalb mit den beiden anderen kombinieren.
Ohne Train/Test-Split und ohne Vorhersagemodell gilt jede Aussage für diesen Bestand, nicht für künftige Kunden.
Statistisch sauber bei 350,74 Minuten, betrifft aber nur vier Kunden. Als alleiniges Kriterium unbrauchbar.
Der Datensatz ist eine Querschnittsaufnahme. Wann eine Kündigung fällt und was ihr vorausging, lässt sich nicht rekonstruieren.
Ob die Kampagnen wirken, zeigt erst eine Nachmessung. Der Datensatz enthält keinen Vorher-Nachher-Vergleich.
Sorgfalt schlägt Modellkomplexität
Drei unabhängig geprüfte Indikatoren adressieren beide Kampagnen. Der Beitrag war nicht ein Modell, sondern die Prüfung der Datenbasis und die Einordnung, welcher Indikator trägt und welcher nicht.