Анализ оттока клиентов телекоммуникационных компаний

В этом проекте я проанализировала данные с сайта открытых данных (kaggle.com) об оттоке клиентов телекоммуникационной компании, которая предоставляла услуги домашнего телефона и Интернета 7043 клиентам в Калифорнии. Они показывают, какие клиенты ушли, остались или подписались на их услуги. Для каждого клиента включены несколько важных демографических данных, а также показатель удовлетворенности и показатель оттока.

Выбор темы был обусловлен интересом к стратегии построения бизнеса и ходом мышления, предпочтениями человека при приобретении услуг. Отток клиентов — это не просто цифры, а реальная возможность для компаний прогнозировать поведение клиентов, а также разрабатывать целенаправленные программы для их удержания.

Визуал моего проекта вдохновлён миром высоких технологий, сетевых структур и концепцией связи — как между людьми, так и между данными. Цветовая палитра проекта основана на глубоких сине-голубых тонах, которые ассоциируются с надёжностью, технологическим прогрессом и корпоративной культурой.

Проведя анализ возможных причин оттока клиентов, я также изучила популярные услуги, которые пользуются спросом среди пользователей. Эти данные будут особенно полезны при разработке собственного проекта в схожей тематике, а также могут быть использованы для переноса методов анализа на другие датасеты.

В рамках данного проекта были использованы следующие типы графиков для визуализации данных: Круговая - для отслеживания процента на каждую категорию; Гистограмма - для отображения точного количества в разрезе значения; Точечная - для отслеживание нижнего и верхнего значений каждого столбца Столбчатая - для сравнения значений между всеми типами.

Для работы были использованы следующие библиотеки: Pandas — для обработки и анализа CSV-файла, а также Matplotlib — для создания визуализаций, которые помогают наглядно представить результаты анализа. После импорта необходимых инструментов был загружен CSV-файл с датасетом.

Выбранный набор данных не содержит избыточной или нерелевантной информации, таких как нулевые значения, поэтому обработка данных выполняется непосредственно в процессе построения диаграммы

Для начала копирую для себя два столбца: «Тип контракта» и «Отток». Далее выделяю три отдельные датасеты по типу контракта (месячный, годовой, двухгодовой) и нахожу количество строк для каждой.

После вычисляю количество ушедших пользователей для каждой категории и вычисляю процент от общего числа для каждого типа. Отображаю круговую диаграмму с полученными значениями.

На основе круговой диаграммы можем сделать вывод, что пользователи телекоммуникационных сетей с месячной подпиской больше подвержены отмене услуг. Такой большой процент может быть обусловлен бесплатным пробным периодом. Чтобы проверить это, предлагаю проанализировать долю пользователей, которые отказались от услуг после 1 месяца пользования.

Анализирую долю пользователей с ежемесячной подпиской. Создаю новый датасет с колонками: тип контракта, статус ухода и длительность пользования. Фильтрую данные, оставляя только ушедших пользователей с ежемесячной подпиской, и строю гистограмму для визуализации распределения по количеству месяцев пользования

Можно сделать вывод, что больше всего отказов от услуг телекоммуникации в выборке от 1 до 9 месяцев

Повторяю операции прошлого блока, выделив датасет только с теми пользователями, которые пользовались менее 10 месяцев.

Больше всего пользователей отказывалось при первом месяце пользования. При последующих месяцах распределение относительно равномерно (по сравнению с первым месяцем).

Чтобы показать процент пользователей, отказавшихся от услуг после первого месяца, строю круговую диаграмму. Для этого вычисляю долю ушедших после одного месяца от общего числа ушедших за 9 месяцев, вычитаю этот процент из 100% (так как других категорий в датасете нет) и создаю диаграмму на основе массива answer_For_One_Month_Client.

В результате анализа можно сделать следующие выводы:

• Больше 3/4 пользователей услуг телекоммуникации с ежемесячной подпиской отказывались от услуг
• Среди них (из пункта выше) 23 процента пользователей уходили после 1 месяца пользования. Среди предположений такого высокого уровня: льготы на первый месяц
• Меньше всего пользователи отказывались от услуг при подписке на 2 года (5%).

Далее анализирую зависимость ежемесячной платы от типа подключенного интернета. Для этого создаю копию датасета, включающую только столбцы с ежемесячными платежами и типом подключения к интернету. На основе этих данных строю точечную гистограмму, чтобы визуализировать распределение и выявить нижний и верхний пределы стоимости для каждой категории интернет-подключения.

Вывод: пользователи интернетом платят в разы больше, чем те, у кого нет интернет-подключения. Также можно выделить разницу в плате при оптоволокне: в отличии от нее подключение DSL заметно дешевле.

После анализирую методы оплаты и общее количество платежей, чтобы определить, какой способ наиболее удобен для пользователей. На основе полученных данных я выделяю трёх лидеров, которые в дальнейшем могут быть использованы для разработки схожих продуктов.

Для этого я копирую из основного датасета два столбца: метод оплаты и общее количество платежей. Затем фильтрую данные, оставляя только строки, где метод оплаты — «Электронные чеки». После этого я преобразую тип данных столбца TotalCharges из строкового в числовой, чтобы избежать конкатенации (сложения строк в одну), и заменяю исходные значения на новые. Далее вычисляю сумму всех строк в столбце TotalCharges.

Эту же операцию повторяю для остальных методов оплаты (PaymentMethod).

На завершающем этапе я строю столбчатую диаграмму, поворачиваю значения по оси OX для удобства чтения и отключаю отображение в формате le6, чтобы данные были максимально наглядными.

Судя по данным столбчатой диаграммы, пользователи предпочитают электронные чеки, банковский перевод и кредитные карты. Оплата через почту неактуальна, и её внедрение стоит рассматривать только в последнюю очередь