telcosna

Πληροφορίες

Γενικός στόχος του έργου είναι η ανάπτυξη μιας λύσης που ενισχύει την προβλεπτική ικανότητα των μηχανισμών που χρησιμοποιούν οι τηλεπικοινωνιακοί πάροχοι για τον εντοπισμό των πελατών που συγκεντρώνουν πολλές πιθανότητες να μην επαναφορτίσουν την κάρτα τους. Η Επιβλεπόμενη Μηχανική Μάθηση (supervised machine learning) αποτελεί ένα πολύτιμο εργαλείο σε αυτήν την προσπάθεια. Οι πάροχοι διατηρούν μεγάλο όγκο δεδομένων για τους πελάτες τους και τη χρήση των υπηρεσιών τους. Tα διαθέσιμα δεδομένα είναι είτε δημογραφικά (φύλο, ημερομηνία γέννησης, επάγγελμα, διεύθυνση) είτε αφορούν χρήση των υπηρεσιών του παρόχου (διάρκεια κλήσεων, πλήθος μηνυμάτων, κατανάλωση δεδομένων, αγορά πακέτων, ημερομηνία έναρξης χρήσης των υπηρεσιών, υποβολή παραπόνων). Η αξιοποίηση των δεδομένων αυτών στην εκπαίδευση ταξινομητών (classifiers) που κατηγοριοποιούν τους πελάτες ως πιθανούς ή όχι για διαφυγή, επιτρέπει τον εντοπισμό των πρώτων και συντελεί αισθητά στην αποφυγή απώλειας πελατών. Παρόλα αυτά, η πρακτική που υιοθετείται συνήθως είναι η εκμετάλλευση των παραπάνω δεδομένων απομονωμένα, χωρίς δηλαδή να λαμβάνονται υπόψη οι κοινωνικές σχέσεις μεταξύ των πελατών. Συνεπώς, η πλούσια πληροφορία που αφορά τη δομή και τις αλληλεπιδράσεις του δικτύου των πελατών κινητής τηλεφωνίας, όπως αυτή μπορεί να προκύψει από τις εγγραφές λεπτομερειών κλήσεων (call detail records – CDRs), μένει ανεκμετάλλευτη. Η βασική καινοτομία του έργου είναι η εξαγωγή συνδεδεμένων χαρακτηριστικών (connected features) που δεν αντιμετωπίζουν τους πελάτες ως απομονωμένες οντότητες αλλά προκύπτουν από την εκτέλεση επερωτήσεων ή αλγορίθμων στο γράφο (graph) που αναπαριστά το δίκτυο όλων των πελατών.

Στόχοι

• Ανάπτυξη μεθοδολογίας για την εξαγωγή συνδεδεμένων χαρακτηριστικών από εγγραφές λεπτομερειών κλήσεων.
• Μελέτη και ανάπτυξη λογισμικού για τον υπολογισμό μετρικών κεντρικότητας και αλγορίθμων ανίχνευσης κοινοτήτων που εκμεταλλεύονται συνδεδεμένα χαρακτηριστικά πελατών για την ενίσχυση των προβλεπτικών μηχανισμών διαφυγής πελατών.
• Αξιολόγηση της ενίσχυσης που προσφέρει η προτεινόμενη λύση στα υπάρχοντα συστήματα πρόβλεψης διαφυγής πελατών.
• Ανάπτυξη μιας πλήρους έκδοσης της εφαρμογής, κατάλληλης για την επίδειξή της σε πιθανούς μελλοντικούς πελάτες.

Ανακοινώσεις