项目P04：通讯公司客户响应速度提升¶

📋 项目概述¶

某通讯运营商面临日益激烈的市场竞争，客户流失率逐年上升。本项目通过 RFM 分析和机器学习模型，帮助公司识别高价值客户和潜在流失客户，从而制定针对性的营销策略。

项目目标¶

RFM 分析：通过最近消费时间(Recency)、消费频率(Frequency)、消费金额(Monetary)三个维度对客户进行价值评估
客户细分：基于 RFM 模型将客户划分为不同群体(高价值客户、流失风险客户等)
流失预测：构建机器学习模型预测客户流失概率，识别高风险客户
策略建议：为不同客户群体提供差异化的营销策略建议

业务价值¶

✅ 识别高价值客户，提供 VIP 服务，提升客户满意度和忠诚度
✅ 预测流失风险，提前干预，降低客户流失率
✅ 优化资源分配，将营销预算集中在高 ROI 客户群体
✅ 提升客户响应速度，改善整体服务水平

📊 数据集说明¶

数据格式¶

文件名: telecom_customer_data.csv
文件大小: 约 25 MB
样本数量: 约 100,000 条客户记录
数据周期: 2023年1月 - 2024年12月 (24个月)
流失率: 约 15%（行业平均水平）

核心字段¶

字段名	类型	说明
customer_id	string	客户唯一标识符
last_transaction_date	date	最后一次交易日期
transaction_count	int	交易次数(24个月内)
total_amount	float	总消费金额(元)
churn	int	是否流失(0=未流失, 1=已流失)
complaint_count	int	投诉次数
service_call_count	int	客服呼叫次数

详细字段说明请查看完整项目文档

🎯 学习要点¶

本项目涵盖以下核心技能：

数据分析技能¶

RFM 客户价值分析
客户细分与聚类（K-means）
数据可视化（客户分布图、价值矩阵）

机器学习技能¶

分类模型构建（逻辑回归、随机森林）
类别不平衡处理（SMOTE 过采样）
模型评估（混淆矩阵、ROC/AUC）

工程实践¶

模块化代码设计（数据加载、特征工程、模型训练分离）
配置文件管理（YAML）
日志记录与错误处理

🚀 快速开始¶

环境要求¶

Python ≥3.9（推荐 3.11+）
内存：至少 4GB（推荐 8GB+）
CPU 即可运行（无需 GPU）

方式 1：Jupyter Notebook（推荐新手）¶

# 1. 安装依赖
uv pip install -e ".[stage3]"

# 2. 启动 Jupyter Lab
jupyter lab

# 3. 打开 notebooks/stage3/p04-telecom-analysis.ipynb
# 按顺序运行每个 cell

方式 2：Python 脚本（推荐有经验者）¶

# 1. 进入项目目录
cd projects/stage3/p04-telecom

# 2. 运行分析脚本
python src/analyze.py --config configs/default.yaml

# 3. 查看输出结果
ls outputs/
# - figures/          # 可视化图表
# - reports/          # 分析报告
# - models/           # 训练好的模型

📈 预期结果¶

完成项目后，你将获得：

分析结果¶

客户价值分层：将客户分为 8-10 个细分群体
流失预测模型：AUC ≥ 0.80，召回率 ≥ 0.70
高价值客户占比：识别出约 20% 的高价值客户（贡献 80% 收入）

可视化输出¶

RFM 价值分布热力图
客户生命周期曲线
流失风险概率分布图
特征重要性排序图

策略建议¶

针对不同客户群体的营销策略建议文档

📚 项目文件¶

完整项目代码位于：projects/stage3/p04-telecom/

p04-telecom/
├── README.md              # 完整项目文档
├── src/                   # 源代码
│   ├── analyze.py         # 主分析脚本
│   ├── data/              # 数据加载模块
│   ├── models/            # 模型模块（RFM、流失预测）
│   └── utils/             # 工具函数
├── notebooks/             # Jupyter Notebook 教学版
│   └── analysis.ipynb
├── configs/               # 配置文件
│   └── default.yaml
├── tests/                 # 单元测试
└── outputs/               # 输出目录（生成）

🎓 相关资源¶

🔗 其他项目¶

开始学习？ 查看完整项目文档或直接运行 Notebook！