A data-driven approach to improve customer churn prediction based on telecom customer segmentation

Abstract

Numerous valuable clients can be lost to competitors in the telecommunication industry, leading to profit loss. Thus, understanding the reasons for client churn is vital for telecommunication companies. The process, combined with the massive data accumulation in the telecom industry and the increasingly mature data mining technology, motivates the development and application of a customer churn model to predict customer behavior. Therefore, the telecom company can effectively predict the churn of customers and avoid customer churn. Facing this challenge, this research aims to improve customer targeting using customer segmentation approaches based on data science. To achieve this aim, the research was divided into two stages. A literature review on customer churn prediction was conducted in the first stage. Results showed that the most widely used data mining techniques are decision tree (DT), support vector machines (SVM), and Logistic Regression (LR). Following the results, in a second stage, data were collected from three major Chinese telecom companies to create a churn prediction model to predict telecom client churn through customer segmentation using Fisher discriminant equations and LR analysis. Results showed that the telecom customer churn model constructed by regression analysis had higher prediction accuracy (93.94%) and better results. This research contributes to academia by revealing research gaps, providing evidence on current trends, and helping to understand how to develop accurate and efficient Marketing strategies. Moreover, this study will help telecom companies efficiently predict customer churn and take measures to prevent it, thereby increasing their profits.

Inúmeros clientes valiosos podem ser perdidos para a concorrência no setor das telecomunicações, levando à perda de lucros. Assim, entender os motivos da rotatividade de clientes é vital para as empresas de telecomunicações. O processo combinado com o acumular massivo de dados no setor das telecomunicações e a tecnologia de mineração de dados cada vez mais madura, motiva o desenvolvimento e aplicação do modelo de rotatividade de clientes paraprever o comportamento do cliente. Portanto, uma empresa de telecomunicações pode prever efetivamente a rotatividade de clientes e evita-la. Face a este desafio, este estudo visa melhorar o direcionamento de clientes usando abordagens de segmentação de clientes baseadas em ciência de dados. Para atingir este objetivo, a pesquisa foi dividida em duas etapas. Na primeira etapa, foi realizada uma revisão da literatura sobre previsão de rotatividade de clientes. Os resultados mostraram que as técnicas de mineração de dados mais utilizadas são Decision Tree (DT), Suuport Vector Machine (SVM) e Regressão Logística (LR). De acordo com os resultados, numa segunda etapa, foram recolhidos dados de três grandes empresas de telecomunicações chinesas para criar um modelo para prever a rotatividadeatravés da segmentação de clientes, usando equações discriminantes de Fisher e LR. Os resultados sugerem que o modelo construído através de LR apresentou um maior nível de previsão (93,94%) e melhores resultados. Este estudo contribui para a academia, revelando lacunas de pesquisa, fornecendo evidências sobre as tendências atuais e ajudando a entender como desenvolver estratégias de Marketing precisas e eficientes. Além disso, este estudo ajudará as empresas de telecomunicações a prever com maior eficácia a rotatividade de clientes e tomar medidas direcionadas para evitar a sua perda, aumentando assim seus lucros.