Analyse causale de la churn clientèle à l'aide de l'apprentissage profond

Le taux de désabonnement (churn) décrit la fin d'une relation avec une entreprise ou la réduction de l'engagement des clients sur une période donnée. Deux stratégies marketing principales jouent un rôle crucial pour augmenter la part de marché en valeur : l'acquisition de nouveaux clients et la préservation des clients existants. Le coût d'acquisition d'un nouveau client peut être cinq à six fois plus élevé que celui du maintien d'un client actuel, il est donc judicieux d'investir dans les clients présentant un risque de désabonnement. L'analyse causale du modèle de désabonnement peut prédire si un client se désabonnera dans le futur proche et aider les entreprises à identifier les effets et les causes possibles du désabonnement, puis à utiliser ces connaissances pour appliquer des incitations personnalisées. Cet article propose un cadre utilisant un réseau neuronal profond à alimentation directe pour la classification, associé à une méthode d'extraction de motifs séquentiels sur des données multidimensionnelles éparse. Nous proposons également un réseau bayésien causal pour prédire les probabilités de causes conduisant au désabonnement des clients. Les métriques d'évaluation sur les données de test confirment que notre modèle XGBoost et notre modèle d'apprentissage profond ont surpassé les techniques précédentes. L'analyse expérimentale confirme que certaines variables causales indépendantes représentant le niveau de contribution à la garantie supérieure (super guarantee), la croissance du compte et la durée du contrat client ont été identifiées comme des facteurs de confusion pour le désabonnement des clients avec un haut degré de certitude. Cet article fournit une analyse réelle du taux de désabonnement, passant de l'inférence du statut actuel aux orientations futures dans les fonds locaux de retraite par capitalisation (superannuation funds).