Quels clients présentent la probabilité de churn la plus élevée ?
Le churn se prédit pour une date de décision et un horizon fixes. La séparation temporelle, la prévention des fuites et la calibration comptent autant que la discrimination.
Réponse directe
Prioriser une revue humaine selon un risque probabiliste calibré.
Le churn se prédit pour une date de décision et un horizon fixes. La séparation temporelle, la prévention des fuites et la calibration comptent autant que la discrimination.
logit(P(churn)) = α + XₜβESTIMAND
Profil de l’estimation
- Unité d’analyse
- Client × date de décision × horizonNomenclature scientifique contrôlée (EN)
customer at decision date - Estimand exact
P(churn within H | information available at t)- Modèle ou livrable
logit(P(churn)) = α + Xₜβ
01—08
Cadre d’analyse vérifiable
- 01Question
Quels clients présentent la probabilité de churn la plus élevée ?
- 02Estimand
P(churn within H | information available at t) · customer at decision date
- 03Données
customer_id · decision_date · features_available_at_t · churn_by_horizon
- 04Modèle ou livrable
logit(P(churn)) = α + Xₜβ
- 05Calcul déclaré
logit(P(churn)) = α + Xₜβ → P(churn within H | information available at t)
- 06Contrôles d’incertitude
Temporal holdout · Brier and log-loss · PR-AUC and calibration
- 07Validation spécifique
Vérifier données, stabilité de l’estimation et limites d’interprétation. Temporal holdout · Brier and log-loss · PR-AUC and calibration
- 08Limites
Affirmer quelle action réduira le churn à partir du modèle prédictif seul.
Variables nécessaires
customer_iddecision_datefeatures_available_at_tchurn_by_horizon
Contrôles · Nomenclature scientifique contrôlée (EN)
- Temporal holdout
- Brier and log-loss
- PR-AUC and calibration
Prioriser une revue humaine selon un risque probabiliste calibré.
Affirmer quelle action réduira le churn à partir du modèle prédictif seul.
Sources scientifiques
1 source
Connexions méthodologiques