公司动态

首页
如何 Dialog Axiata 利用 Amazon SageMaker 在 AI Factory

如何 Dialog Axiata 利用 Amazon SageMaker 在 AI Factory

Dialog Axiata通过亚马逊SageMaker实现机器学习模型规模化，并在3个月内降低客户流失率

重点总结

Dialog Axiata在竞争激烈的电信市场中依靠亚马逊SageMaker，成功实施了“家庭宽带流失率预测模型”，在短短三个月内显著降低了客户流失率。通过创建近100个特征并采用基于CatBoost的基础模型及集成模型，Dialog Axiata实现了客户流失的有效预测和集中化管理。以下是本文的主要内容：

利用亚马逊SageMaker的AI工厂来执行机器学习模型的构建和部署。基于详尽的数据分析，构建了两个不同的流失预测模型。通过持续的模型训练和更新，实时监控客户动态，提升客户留存率。

在当今竞争愈发激烈的电信行业中，客户流失问题愈加突出。Dialog Axiata以其创新的“家庭宽带流失率预测模型”作为解决方案，帮助公司更好地理解客户流失的原因并采取措施。该模型的开发依赖于对亚马逊SageMaker的有效应用，能够精准推测客户的流失风险，从而帮助公司提前识别并留住客户。

关于Dialog Axiata

Dialog Axiata PLC是斯里兰卡最大的四合一电信服务提供商，也是该国最大的移动网络运营商，拥有1710万用户，占斯里兰卡移动市场的57。该公司提供多种服务，包括固定电话、家庭宽带、移动、电视、支付应用和金融服务。

在2022年，Dialog Axiata在数字化转型方面取得显著进展，借助AWS的支持，其集团AI成熟度从50提升至80。该公司利用AWS提供的多项服务，包括亚马逊弹性计算云EC2、亚马逊关系数据库服务RDS以及SageMaker进行机器学习，增强了电信服务的运营效率与可扩展性。

安易共存版加速器

面临的客户流失挑战

斯里兰卡电信市场的流失率较高，其原因涉及多个方面。由于多家移动运营商提供相似的服务，客户换服务商变得容易。预付费服务占主导地位，多SIM卡使用普遍，加之缺乏客户忠诚度，促成了高流失率。

为了应对此问题，Dialog Axiata亟需找出降低流失率的方法，确保更多的家庭宽带客户留存。通过提升客户满意度、增强价值主张、分析流失原因及实施客户保留策略，Dialog Axiata能有效应对客户流失的挑战。

解决方案概述

Dialog Axiata使用SageMaker构建了一个预测模型，为每位客户分配流失风险评分。该模型训练的数据包括客户的人口统计信息、网络使用情况和网络故障数据。通过提前45天预测客户流失，Dialog Axiata能够积极采取措施留住客户，从而显著降低流失率。

其流失预测的方法架构包括两个不同的工作流程：一个用于模型训练，另一个用于推断或预测。训练工作流程负责开发基础模型，而集成模型则结合多种机器学习模型的优点，以侦测可能被基础模型遗漏的流失实例。

方案的实施

Dialog Axiata的流失预测系统通过集成基础模型及集成模型，创造了协同效果，提升了预测的全面性与准确性。每月三次的模型训练和更新确保了最新客户数据的及时应用，从而提高了流失预测的准确性。预测后，Dialog Axiata会为被标记为流失风险的客户制定个性化的保留策略，有效地提高了客户满意度。

通过细致的分析，Dialog Axiata能够针对高风险客户群体制定针对性的保留活动，例如提供个性化优惠或定制沟通，旨在主动解决客户关切，增强其忠诚度。

方法论

本方案采用了以下方法论：

全面客户数据分析：通过对100多个特征的全面分析，Dialog Axiata获得了宝贵的用户行为洞察，能够高效预测潜在流失事件。双模型策略：基础模型和集成模型的结合提升了预测的准确性和稳健性。与业务部门共享可操作洞察：将模型生成的洞察反馈到业务部门，以便更好地应对客户流失问题。实施主动措施：Dialog Axiata依据模型的洞察制定网络问题和非网络问题两类主要行动，优化保留活动策略。