Contexte:
La maîtrise de l’attrition clients (Taux de départ, appelé “Churn” par les Anglo-saxons) est devenue primordiale pour les entreprises. En effet, le départ à la concurrence des clients est un phénomène croissant. Cette plus grande volatilité des clients oblige les entreprises à accentuer les actions de fidélisation. En effet, c'est le meilleur investissement marketing possible, car le coût pour fidéliser un client existant est bien moindre que pour en acquérir un nouveau. Toutefois, pour être réellement efficaces, ces actions doivent être finement ciblées.
Afin de mettre en place un plan d’action « anti-churn », il est donc nécessaire de pouvoir détecter les clients sur le départ. Utilisez la science des données pour prédire avec précision quels clients sont à risque et prendre des mesures pour empêcher cette attrition est une bonne solution.
Mission:
La mission est de proposer un programme de rétention des clients susceptibles de partir à la concurrence.
Pour cela, les objectifs du challenge sont:
- identifier les clients susceptibles de partir à la concurrence
- proposer des mesures préventives "anti-churn"
Candidats:
Ce challenge s’adresse aux chercheurs et étudiants (toutes écoles et universités confondues).
Déroulement:
- Inscription au challenge
- formation des équipes
- accès au laboratoire de données
- analyse des données avec l'assistance d'un coach
- proposition d'une solution
- évaluation des résultats
- présentation des résultats
- classement des candidats
Données:
Le jeu de données utilisé pour ce challenge est issu de l'agence d'une grande banque. Les données correspondent aux transactions des clients de l'agence. Chaque ligne représente un client, chaque colonne contient les attributs de ce client. Le jeu de données est composé de près d'un millier d'observations et de 5 variables:
- date de la dernière transaction
- mode de paiement
- fidélité du client
- profil du client (âge et genre)
Les données sont au format CSV et accessible à l’adresse suivante : jeu de données churn
Évaluation:
A la fin de la phase d’entraînement, les candidats soumettent leurs prévisions définitives à l’adresse suivante : soumission@challenge-datascience.org
Le fichier à poster est le fichier dataChallenge_soumission_fausses où les candidats devront remplacer les valeurs fausses par leurs prédictions. Il s’agit d’un fichier de type CSV qui contient l’identifiant de la transaction et la variable à prédire.
Avant de soumettre leurs résultats, les candidats devront renommer le fichier de la façon suivante : NOM_PRENOM.csv
Les soumissions sont comparées aux valeurs réelles. La métrique d'évaluation est la précision. La précision est le nombre de churn trouvés rapporté au nombre de churn total proposé dans le jeu de données. Une péréquation est ensuite réalisée pour obtenir une évaluation et réaliser le classement. Plus ce score est petit (de 0 à 1+), meilleure est la soumission.
Partenaires:
