Розробка методу інтелектуального аналізу та прогнозування відтоку клієнтів
Тип публікації :
Магістерська робота
Дата випуску :
2025
Автор(и) :
Прохорчук Дмитро Сергійович
Науковий(і) керівник(и)/редактор(и) :
Мова основного тексту :
Ukrainian
eKNUTSHIR URL :
Цитування :
[APA 7] Прохорчук, Д. С. (2025). Розробка методу інтелектуального аналізу та прогнозування відтоку клієнтів [Магістерська робота, Київський національний університет імені Тараса Шевченка]. eKNUTSHIR. https://ir.library.knu.ua/handle/15071834/6662
[ДСТУ] Прохорчук Д. С. Розробка методу інтелектуального аналізу та прогнозування відтоку клієнтів : кваліфікаційна робота магістра : 122 Комп’ютерні науки / наук. кер. О. В. Заріцький. Київ, 2025. 124 с. URL: https://ir.library.knu.ua/handle/15071834/6662 (дата звернення: 25.07.2026).
Мета дипломної роботи магістра – підвищити рівень утримання клієнтів
за допомогою методів інтелектуального аналізу та прогнозування відтоку.
Об’єкт дослідження – процес відтоку клієнтів.
Предмет дослідження – методи інтелектуального аналізу та
прогнозування, спрямовані на прогнозування цього процесу.
Наукова новизна роботи – запропоновано комбіновану метрику втрат, яка
зважує бізнес-вартість хибних позитивів і негативів, а також авторський
алгоритм, котрий поєднує графовий аналіз взаємодій із градієнтним бустингом
і забезпечує підвищення ROC-AUC на 10-15% порівняно з класичними
baseline-моделями. Уперше продемонстровано застосування SHAP-цінностей
на рівні окремих транзакцій для формування персоналізованих рекомендацій
зі втручання.
Практичне значення одержаних результатів:
Реалізація запропонованої системи у виробничому середовищі як наслідок
дає змогу:
– застосування розробленого методу дозволяє компаніям здійснювати
більш точне та, що важливо, раннє ранжування клієнтської бази за індивідуальним рівнем ризику відтоку, що створює можливості для
своєчасного та ефективного превентивного втручання;
– можливість чіткої концентрації зусиль на найбільш ризикові сегменти
клієнтської бази дозволяє уникнути невиправданих витрат на масові промо-
акції, що охоплюють лояльних клієнтів.;
– впровадження розробленого алгоритму, що інтегрує графові ознаки
взаємодій, сприяє ідентифікації неочевидних шаблонів поведінки, які можуть
передувати відтоку, тим самим підвищуючи ефективність персоналізованих
retention-кампаній.
– використання запропонованої комбінованої економічної метрики надає
бізнесу інструмент для оцінки та вибору прогностичних моделей не лише за
стандартними метриками точності, але й з урахуванням реальної економічної
вартості помилок, що веде до більш обґрунтованих управлінських рішень.
– отримувати інтерпретовані висновки, які підтримують рішення
менеджерів із лояльності та дозволяють оптимізувати пропозиції для клієнтів.
– здатність методу генерувати інтерпретовані висновки щодо ключових
факторів ризику надає цінну інформаційну підтримку (наприклад, за
допомогою SHAP-значень для моделі LightGBM), дозволяючи оптимізувати
продуктові пропозиції та комунікаційні стратегії.
– розроблений підхід створює методологічну основу для побудови
автоматизованих систем управління відтоком, які можуть суттєво підвищити
оперативність реагування на зміни в поведінці клієнтів та оптимізувати
використання маркетингових бюджетів.
за допомогою методів інтелектуального аналізу та прогнозування відтоку.
Об’єкт дослідження – процес відтоку клієнтів.
Предмет дослідження – методи інтелектуального аналізу та
прогнозування, спрямовані на прогнозування цього процесу.
Наукова новизна роботи – запропоновано комбіновану метрику втрат, яка
зважує бізнес-вартість хибних позитивів і негативів, а також авторський
алгоритм, котрий поєднує графовий аналіз взаємодій із градієнтним бустингом
і забезпечує підвищення ROC-AUC на 10-15% порівняно з класичними
baseline-моделями. Уперше продемонстровано застосування SHAP-цінностей
на рівні окремих транзакцій для формування персоналізованих рекомендацій
зі втручання.
Практичне значення одержаних результатів:
Реалізація запропонованої системи у виробничому середовищі як наслідок
дає змогу:
– застосування розробленого методу дозволяє компаніям здійснювати
більш точне та, що важливо, раннє ранжування клієнтської бази за індивідуальним рівнем ризику відтоку, що створює можливості для
своєчасного та ефективного превентивного втручання;
– можливість чіткої концентрації зусиль на найбільш ризикові сегменти
клієнтської бази дозволяє уникнути невиправданих витрат на масові промо-
акції, що охоплюють лояльних клієнтів.;
– впровадження розробленого алгоритму, що інтегрує графові ознаки
взаємодій, сприяє ідентифікації неочевидних шаблонів поведінки, які можуть
передувати відтоку, тим самим підвищуючи ефективність персоналізованих
retention-кампаній.
– використання запропонованої комбінованої економічної метрики надає
бізнесу інструмент для оцінки та вибору прогностичних моделей не лише за
стандартними метриками точності, але й з урахуванням реальної економічної
вартості помилок, що веде до більш обґрунтованих управлінських рішень.
– отримувати інтерпретовані висновки, які підтримують рішення
менеджерів із лояльності та дозволяють оптимізувати пропозиції для клієнтів.
– здатність методу генерувати інтерпретовані висновки щодо ключових
факторів ризику надає цінну інформаційну підтримку (наприклад, за
допомогою SHAP-значень для моделі LightGBM), дозволяючи оптимізувати
продуктові пропозиції та комунікаційні стратегії.
– розроблений підхід створює методологічну основу для побудови
автоматизованих систем управління відтоком, які можуть суттєво підвищити
оперативність реагування на зміни в поведінці клієнтів та оптимізувати
використання маркетингових бюджетів.
Галузі знань та спеціальності :
12 Інформаційні технології::122 Комп’ютерні науки
Галузі науки і техніки (FOS) :
Інженерія та технології
Файл(и) :![Ескіз]()
Вантажиться...
Формат :
Adobe PDF
Розмір :
3.86 MB
Контрольна сума :
(MD5):c00b907fcbd7d654f228336c398ea395
Якщо не вказано інше, ця робота розповсюджується на умовах ліцензії Creative Commons Attribution-NonCommercial 4.0 International