Inhaltsübersicht
Datenaufbereitung, Indikatortypen und Methodik
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.
| 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.
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.
| Typ | Spalte | Verfahren | Ergebnis |
|---|---|---|---|
| kategorial | international_plan | Gruppenvergleich der Raten | 42,4 % gegen 11,5 % |
| ganzzahlig | customer_service_calls | Rate je Ausprägung, Knick suchen | Sprung beim 4. Anruf |
| stetig | total_day_minutes | logistische Regression, 50-Prozent-Punkt | 350,74 Minuten |
Eine stetige Größe hat keine natürlichen Gruppen. Eine Schwelle per Augenmaß wäre willkürlich, deshalb hier die Regression.
Ein Prädiktor, gerechnet auf dem vollen Datensatz.
50-Prozent-Punkt bei 350,74 Minuten. Pseudo-R² 0,052 heißt zugleich, dass die Tagesminuten den Großteil der Abwanderung nicht erklären.
Ein Split würde die Datenbasis nur verkleinern, ohne die Aussage zu verbessern. Geprüft wird stattdessen die Datenqualität und wie viele Kunden ein Indikator trifft.
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.