Прогноз оттока абонентов и персональные предложения
Модели на данных биллинга, трафика и обращений предсказывают уход абонента и подбирают удерживающее предложение.
Диапазоны по отраслевым публикациям и типовым внедрениям; результат зависит от данных и процессов заказчика.
Что решаем
Привлечение нового абонента обходится оператору в несколько раз дороже удержания существующего, а годовой отток на насыщенных рынках России и СНГ измеряется двузначными процентами. Классические кампании удержания запускаются по факту заявления о расторжении или по грубым сегментам, когда решение уже принято.
Признаки будущего ухода видны заранее: падение трафика, звонки в поддержку, переход на более дешёвый тариф, появление второй SIM. Но эти сигналы разбросаны по биллингу, CRM, системам мониторинга качества и колл-центру, и без ML-модели их никто не сводит воедино по каждому абоненту.
Что делает ИИ
XGBoost/LightGBMClickHouseApache SparkMLflowPython
Витрина признаков собирает по каждому абоненту сотни характеристик: динамику потребления, качество сети в его локациях, обращения, платежи, состав семьи по домашним услугам. Модель градиентного бустинга оценивает вероятность оттока на горизонте 30–90 дней, а модель следующего действия подбирает предложение с наибольшей ожидаемой пользой.
- Ежедневный скоринг всей базы с объяснением причин риска по каждому абоненту.
- Персональные предложения: тариф, бонус, апгрейд оборудования — с расчётом экономики.
- Контрольные группы и измерение реального эффекта кампаний.
- Интеграция с CRM и маркетинговыми платформами.
Какие данные нужны
- Биллинг и история тарифов
- Данные о потреблении и качестве сети
- Обращения в поддержку и история кампаний
Какая инфраструктура нужна
Профиль data, масштаб desk: табличный ML на базе в несколько миллионов абонентов с сотнями признаков умещается на одной мощной рабочей станции с большим числом ядер CPU, 256–512 ГБ памяти и GPU для ускорения бустинга и построения витрин. Станция W7 ULTRA из раздела рабочие станции закрывает регионального оператора; федеральный масштаб с десятками миллионов абонентов переносится на сервер R7 PRO из GPU-серверов с NVMe-массивом под витрину признаков. Данные абонентов остаются в контуре оператора: витрина строится на выгрузках из хранилища данных по расписанию, доступ разграничен по ролям, а результаты скоринга передаются в CRM в виде сегментов и оценок без выгрузки исходных данных.
Как идёт проект
- 01
Данные и цель
Фиксируем метрику успеха, источники данных и ограничения: on-premise, персональные данные, сроки.
- 02
Пилот на нашей конфигурации
Стартовая машина под задачу и подтверждённый профиль нагрузки перед закупкой кластера.
- 03
Инфраструктура
Поставка серверов, станций и охлаждения, монтаж, ввод в эксплуатацию, ПО и мониторинг.
- 04
Сопровождение
Масштабирование, обновление ускорителей в том же шасси, сервис и запчасти.
Что ещё автоматизируют в отрасли «Телеком и медиа»
Опишите задачу и данные.
Вернёмся с профилем нагрузки, конфигурацией и коммерческим предложением на поставку в вашу страну.