Анализ оттока клиентов

Задача

Банк теряет клиентов незаметно. Человек перестаёт пользоваться картой, выводит остаток, открывает счёт у конкурента. Удержать клиента на этапе, когда он уже принял решение уйти, почти невозможно и дорого. Нужна модель, которая определяет вероятность оттока заранее, пока клиент ещё активен и на него можно повлиять предложением.

Решение

Мы построили модель оценки вероятности оттока на основе истории платежей и демографических данных клиента. Анализируем, как меняется поведение со временем: частота транзакций, динамика остатков, изменение активности по сравнению с предыдущими периодами. Демографический профиль добавляет контекст, который помогает отличить естественную паузу от первых признаков ухода. На выходе каждый клиент получает оценку вероятности оттока, по которой банк сегментирует базу и направляет усилия по удержанию туда, где они дадут эффект.

Технологии

Обработка истории платёжных транзакций и демографических признаков. Модели машинного обучения для бинарной классификации с расчётом вероятности оттока. Пайплайн подготовки признаков из транзакционных данных, обучение и регулярная переоценка модели на свежей выборке, чтобы она оставалась актуальной по мере изменения поведения клиентов.

Результат

Банк получает приоритизированный список клиентов с высоким риском ухода до того, как отток произошёл фактически. Это переводит работу с удержанием из реактивного режима в проактивный: команда работает не с уже ушедшими, а с теми, кого ещё можно вернуть. Ресурсы на удержание распределяются осмысленно, а не размазываются по всей базе. Модель встраивается в существующие процессы CRM и обновляется на новых данных.