Studio sul tasso di abbandono dei clienti nel settore energetico

Abstract

Lo studio del tasso di abbandona permette a un’azienda di risparmiare nei costi e nell’eseguire correttamente le attività di risk management e risk assessment. La tesi esplora l’applicazione delle catene di Markov nascoste per predire se un cliente abbandona o meno il servizio, utilizzando i dati provenienti da Axpo Italia S.p.A., azienda che opera nel settore energetico. L’uso delle catene di Markov nascoste permette di analizzare come la soddisfazione di un cliente, variabile non direttamente osservabile, cambia nel tempo. Il primo capitolo descrive la teoria dietro alle catene di Markov nascoste e come risolvere i principali problemi che si pongono, con particolare attenzione agli algoritmi utilizzati: Algoritmo in avanti, in indietro e forward-backward, Algoritmo di Viterbi e Algoritmo di Baum-Welch. Nella seconda sezione vengono introdotti i dati utilizzati e vengono applicati due metodi di classificazione, uno singolo e uno misto, che fanno uso delle catene di Markov nascoste per prevedere se un cliente abbandona o meno l’azienda. I due modelli prendono in considerazione il grado di soddisfazione del cliente come stato nascosto e variabili che descrivono la bontà del contratto come osservabili. I risultati mostrano che il metodo misto, che combina catene di Markov nascoste e regressione logistica, è migliore del singolo. Tuttavia, le prestazioni sono comparabili a quelle ottenute con l’utilizzo della sola regressione logistica. In generale, i risultati mostrano che le variabili utilizzate non riescono a predire al meglio se un cliente abbandona o meno; ciò suggerisce che non tutti i clienti agiscono razionalmente in base alla bontà del contratto e che aggiungere altre variabili significative del grado di soddisfazione di un cliente, come il numero di volte che il cliente ha contattato il servizio di customer care, può migliorare la predizione.

The study of churn rate enables a company to save on costs and effectively carry out risk management and risk assessment activities. The thesis explores the application of hidden Markov models to predict whether a customer will leave the service, using data from Axpo Italia S.p.A., a company operating in the utility sector. The use of hidden Markov models allows for the analysis of how customer satisfaction, an unobservable variable, changes over time. The first chapter describes the theory behind hidden Markov models and how to resolve the main problmes involved, with particular attention to the algorithms used: Forward, Backward, and Forward-Backward Algorithms, Viterbi Algorithm, and Baum-Welch Algorithm. The second section introduces the data used and applies two classification methods, one single and one mixed, utilizing hidden Markov models to predict if a customer will leave the company ord not. The two models consider the customer's satisfaction level as the hidden state and variables describing the contract's quality as observables. The results indicate that the mixed method, which combines hidden Markov models and logistic regression, is better then the single method. However, the overall performance is comparable to that achieved using only logistic regression. In general, the results show that the variables used are not optimal for predicting if a customer will leave or not; this suggests that not all customers act rationally based on the contract's quality and that adding other significant variables indicating customer satisfaction, such as the number of times the customer has contacted customer care, could improve the prediction.