客户流失风险预测数据集-HackerEarth挑战赛
数据来源：互联网公开数据
标签：客户流失,风险预测,机器学习,用户行为分析,用户画像,营销,HackerEarth
数据概述：
本数据集源自HackerEarth平台举办的机器学习挑战赛，旨在预测客户流失风险。数据集包含用户的人口统计学信息、浏览行为、历史购买数据等，用于评估客户在特定时间内的流失可能性。每个用户都被分配一个1到5之间的流失风险评分，该评分基于用户行为和预测的留存时间。数据集包含训练集(train.csv，36992行，25列)、测试集(test.csv，19919行，24列)和样本提交文件(sample_submission.csv，5行，2列)。
数据集中包含以下字段：
customer_id：客户的唯一标识号。
Name：客户姓名。
age：客户年龄。
security_no：用于标识客户的唯一安全号码。
region_category：客户所属的地区类别。
membership_category：客户使用的会员类别。
joining_date：客户成为会员的日期。
joined_through_referral：客户是否通过推荐码或ID加入。
referral_id：推荐ID。
preferred_offer_types：客户偏好的优惠类型。
medium_of_operation：客户进行交易的操作媒介。
internet_option：客户使用的互联网服务类型。
last_visit_time：客户上次访问网站的时间。
days_since_last_login：客户上次登录网站的天数。
avg_time_spent：客户在网站上的平均停留时间。
avg_transaction_value：客户的平均交易额。
avg_frequency_login_days：客户登录网站的平均频率。
points_in_wallet：客户在每次交易中获得的积分。
used_special_discount：客户是否使用特殊折扣。
offer_application_preference：客户是否偏好优惠。
past_complaint：客户是否提出过任何投诉。
complaint_status：客户提出的投诉是否已解决。
feedback：客户提供的反馈。
churn_risk_score：客户的流失风险评分（1-5）。
数据用途概述：
该数据集主要用于客户流失风险预测模型的构建与评估。 机器学习工程师和数据科学家可以利用此数据进行特征工程、模型训练、超参数优化，以预测客户流失风险。 此外，该数据集也适用于客户行为分析、用户画像构建、市场营销策略制定等场景。 通过对数据集的深入分析，可以帮助企业更好地理解客户需求，提高客户留存率。
