Analizando datos de TelCom
Rubén Pizarro
24 de julio de 2019
Caso: Telco Customer Churn
Objetivo: Realizar un analisis descriptivo de la fuga de clientes para una empreas de telecomunicaciones.
Las librerías
library(readr)
library(dplyr)##
## Attaching package: 'dplyr'## The following objects are masked from 'package:stats':
##
## filter, lag## The following objects are masked from 'package:base':
##
## intersect, setdiff, setequal, unionlibrary("nycflights13") # Para join
library(sqldf)## Loading required package: gsubfn## Loading required package: proto## Loading required package: RSQLitelibrary(RSQLite)
library(proto)
library(gsubfn)
library(ggplot2)Los datos de clientes
clientes <- read.csv("WA_Fn-UseC_-Telco-Customer-Churn.csv",
header = TRUE, sep = ",",
stringsAsFactors = TRUE)Visualiznado los primeros registros de clientes
head(clientes)## customerID gender SeniorCitizen Partner Dependents tenure PhoneService
## 1 7590-VHVEG Female 0 Yes No 1 No
## 2 5575-GNVDE Male 0 No No 34 Yes
## 3 3668-QPYBK Male 0 No No 2 Yes
## 4 7795-CFOCW Male 0 No No 45 No
## 5 9237-HQITU Female 0 No No 2 Yes
## 6 9305-CDSKC Female 0 No No 8 Yes
## MultipleLines InternetService OnlineSecurity OnlineBackup
## 1 No phone service DSL No Yes
## 2 No DSL Yes No
## 3 No DSL Yes Yes
## 4 No phone service DSL Yes No
## 5 No Fiber optic No No
## 6 Yes Fiber optic No No
## DeviceProtection TechSupport StreamingTV StreamingMovies Contract
## 1 No No No No Month-to-month
## 2 Yes No No No One year
## 3 No No No No Month-to-month
## 4 Yes Yes No No One year
## 5 No No No No Month-to-month
## 6 Yes No Yes Yes Month-to-month
## PaperlessBilling PaymentMethod MonthlyCharges TotalCharges
## 1 Yes Electronic check 29.85 29.85
## 2 No Mailed check 56.95 1889.50
## 3 Yes Mailed check 53.85 108.15
## 4 No Bank transfer (automatic) 42.30 1840.75
## 5 Yes Electronic check 70.70 151.65
## 6 Yes Electronic check 99.65 820.50
## Churn
## 1 No
## 2 No
## 3 Yes
## 4 No
## 5 Yes
## 6 YesExplorando clientes
str(clientes)## 'data.frame': 7043 obs. of 21 variables:
## $ customerID : Factor w/ 7043 levels "0002-ORFBO","0003-MKNFE",..: 5376 3963 2565 5536 6512 6552 1003 4771 5605 4535 ...
## $ gender : Factor w/ 2 levels "Female","Male": 1 2 2 2 1 1 2 1 1 2 ...
## $ SeniorCitizen : int 0 0 0 0 0 0 0 0 0 0 ...
## $ Partner : Factor w/ 2 levels "No","Yes": 2 1 1 1 1 1 1 1 2 1 ...
## $ Dependents : Factor w/ 2 levels "No","Yes": 1 1 1 1 1 1 2 1 1 2 ...
## $ tenure : int 1 34 2 45 2 8 22 10 28 62 ...
## $ PhoneService : Factor w/ 2 levels "No","Yes": 1 2 2 1 2 2 2 1 2 2 ...
## $ MultipleLines : Factor w/ 3 levels "No","No phone service",..: 2 1 1 2 1 3 3 2 3 1 ...
## $ InternetService : Factor w/ 3 levels "DSL","Fiber optic",..: 1 1 1 1 2 2 2 1 2 1 ...
## $ OnlineSecurity : Factor w/ 3 levels "No","No internet service",..: 1 3 3 3 1 1 1 3 1 3 ...
## $ OnlineBackup : Factor w/ 3 levels "No","No internet service",..: 3 1 3 1 1 1 3 1 1 3 ...
## $ DeviceProtection: Factor w/ 3 levels "No","No internet service",..: 1 3 1 3 1 3 1 1 3 1 ...
## $ TechSupport : Factor w/ 3 levels "No","No internet service",..: 1 1 1 3 1 1 1 1 3 1 ...
## $ StreamingTV : Factor w/ 3 levels "No","No internet service",..: 1 1 1 1 1 3 3 1 3 1 ...
## $ StreamingMovies : Factor w/ 3 levels "No","No internet service",..: 1 1 1 1 1 3 1 1 3 1 ...
## $ Contract : Factor w/ 3 levels "Month-to-month",..: 1 2 1 2 1 1 1 1 1 2 ...
## $ PaperlessBilling: Factor w/ 2 levels "No","Yes": 2 1 2 1 2 2 2 1 2 1 ...
## $ PaymentMethod : Factor w/ 4 levels "Bank transfer (automatic)",..: 3 4 4 1 3 3 2 4 3 1 ...
## $ MonthlyCharges : num 29.9 57 53.9 42.3 70.7 ...
## $ TotalCharges : num 29.9 1889.5 108.2 1840.8 151.7 ...
## $ Churn : Factor w/ 2 levels "No","Yes": 1 1 2 1 2 2 1 1 2 1 ...colnames(clientes)## [1] "customerID" "gender" "SeniorCitizen"
## [4] "Partner" "Dependents" "tenure"
## [7] "PhoneService" "MultipleLines" "InternetService"
## [10] "OnlineSecurity" "OnlineBackup" "DeviceProtection"
## [13] "TechSupport" "StreamingTV" "StreamingMovies"
## [16] "Contract" "PaperlessBilling" "PaymentMethod"
## [19] "MonthlyCharges" "TotalCharges" "Churn"- Hay 7043 obs y 21 variables:
Analisis descriptivo de clientes
summary(clientes)## customerID gender SeniorCitizen Partner Dependents
## 0002-ORFBO: 1 Female:3488 Min. :0.0000 No :3641 No :4933
## 0003-MKNFE: 1 Male :3555 1st Qu.:0.0000 Yes:3402 Yes:2110
## 0004-TLHLJ: 1 Median :0.0000
## 0011-IGKFF: 1 Mean :0.1621
## 0013-EXCHZ: 1 3rd Qu.:0.0000
## 0013-MHZWF: 1 Max. :1.0000
## (Other) :7037
## tenure PhoneService MultipleLines InternetService
## Min. : 0.00 No : 682 No :3390 DSL :2421
## 1st Qu.: 9.00 Yes:6361 No phone service: 682 Fiber optic:3096
## Median :29.00 Yes :2971 No :1526
## Mean :32.37
## 3rd Qu.:55.00
## Max. :72.00
##
## OnlineSecurity OnlineBackup
## No :3498 No :3088
## No internet service:1526 No internet service:1526
## Yes :2019 Yes :2429
##
##
##
##
## DeviceProtection TechSupport
## No :3095 No :3473
## No internet service:1526 No internet service:1526
## Yes :2422 Yes :2044
##
##
##
##
## StreamingTV StreamingMovies
## No :2810 No :2785
## No internet service:1526 No internet service:1526
## Yes :2707 Yes :2732
##
##
##
##
## Contract PaperlessBilling PaymentMethod
## Month-to-month:3875 No :2872 Bank transfer (automatic):1544
## One year :1473 Yes:4171 Credit card (automatic) :1522
## Two year :1695 Electronic check :2365
## Mailed check :1612
##
##
##
## MonthlyCharges TotalCharges Churn
## Min. : 18.25 Min. : 18.8 No :5174
## 1st Qu.: 35.50 1st Qu.: 401.4 Yes:1869
## Median : 70.35 Median :1397.5
## Mean : 64.76 Mean :2283.3
## 3rd Qu.: 89.85 3rd Qu.:3794.7
## Max. :118.75 Max. :8684.8
## NA's :11- Las variable de interés son tenure y MonthlyCharges:
- tenure es el número de meses que un cliente ha estado en la empresa como cliente y
- MonthlyCharges es el cargo mensual de los clientes.
- Como se observa la media de tenure es de 32.37 meses con respecto al número de meses (tenure) y
- La media de cargo es de 64.761692 (Suponemos que son Euros)
- La variable SeniorCitizen como un valor cuantitativo, siendo esta con valores de 0 y 1 para identificar si es jubilado o no.
- La anterior tabla, también refleja los máximos y mínimos de estas variables cuantitativas, de igual forma se muestran los cuartiles de las variables de interés cuantitativo de tenure y MonthlyCharges principalmente.
- La variable de mayor interés es Churn que ignifica que si los cientes se han retirado de la empesa con valor de Yes o si continúan con el servicio con valor de No.
- La frecuencia de los que no se han retirados con valor de No son 5174 representando un 73% .
- Ahora bien, la variable de interés de este análisis es precisamente Churn , entonces nuestro objeto de estudio es anañizar porqué el 27% son clientes que se han retirado del servicio de la empresa.
- Este 27% son los datos que nos interesa y objeto de estudio
Generando una tabla de clientes que se han fugado
frecuencias <- data.frame(table(clientes$Churn))
colnames(frecuencias) <- c("Retirado", "Frecuencia")
frecuencias <- arrange(frecuencias, desc(Frecuencia))
frecuencias## Retirado Frecuencia
## 1 No 5174
## 2 Yes 1869Fugas <- frecuencias$Retirado # Eje x
Frecuencia <- frecuencias$Frecuencia # Eje y
ggplot(data=frecuencias, aes(x=Fugas, y=Frecuencia,
fill=Fugas)) +
geom_bar(stat="identity") +
#scale_fill_grey(start = 0.2, end = 0.8,na.value = "red") +
ggtitle("Cantidad de clientes retirados de la empresa")
Analizando los clientes fugados o retirados
clientesfugados <- filter(clientes, Churn == 'Yes')
head(clientesfugados)## customerID gender SeniorCitizen Partner Dependents tenure PhoneService
## 1 3668-QPYBK Male 0 No No 2 Yes
## 2 9237-HQITU Female 0 No No 2 Yes
## 3 9305-CDSKC Female 0 No No 8 Yes
## 4 7892-POOKP Female 0 Yes No 28 Yes
## 5 0280-XJGEX Male 0 No No 49 Yes
## 6 4190-MFLUW Female 0 Yes Yes 10 Yes
## MultipleLines InternetService OnlineSecurity OnlineBackup
## 1 No DSL Yes Yes
## 2 No Fiber optic No No
## 3 Yes Fiber optic No No
## 4 Yes Fiber optic No No
## 5 Yes Fiber optic No Yes
## 6 No DSL No No
## DeviceProtection TechSupport StreamingTV StreamingMovies Contract
## 1 No No No No Month-to-month
## 2 No No No No Month-to-month
## 3 Yes No Yes Yes Month-to-month
## 4 Yes Yes Yes Yes Month-to-month
## 5 Yes No Yes Yes Month-to-month
## 6 Yes Yes No No Month-to-month
## PaperlessBilling PaymentMethod MonthlyCharges TotalCharges
## 1 Yes Mailed check 53.85 108.15
## 2 Yes Electronic check 70.70 151.65
## 3 Yes Electronic check 99.65 820.50
## 4 Yes Electronic check 104.80 3046.05
## 5 Yes Bank transfer (automatic) 103.70 5036.30
## 6 No Credit card (automatic) 55.20 528.35
## Churn
## 1 Yes
## 2 Yes
## 3 Yes
## 4 Yes
## 5 Yes
## 6 Yessummary(clientesfugados)## customerID gender SeniorCitizen Partner Dependents
## 0004-TLHLJ: 1 Female:939 Min. :0.0000 No :1200 No :1543
## 0011-IGKFF: 1 Male :930 1st Qu.:0.0000 Yes: 669 Yes: 326
## 0013-EXCHZ: 1 Median :0.0000
## 0022-TCJCI: 1 Mean :0.2547
## 0023-HGHWL: 1 3rd Qu.:1.0000
## 0023-XUOPT: 1 Max. :1.0000
## (Other) :1863
## tenure PhoneService MultipleLines InternetService
## Min. : 1.00 No : 170 No :849 DSL : 459
## 1st Qu.: 2.00 Yes:1699 No phone service:170 Fiber optic:1297
## Median :10.00 Yes :850 No : 113
## Mean :17.98
## 3rd Qu.:29.00
## Max. :72.00
##
## OnlineSecurity OnlineBackup
## No :1461 No :1233
## No internet service: 113 No internet service: 113
## Yes : 295 Yes : 523
##
##
##
##
## DeviceProtection TechSupport
## No :1211 No :1446
## No internet service: 113 No internet service: 113
## Yes : 545 Yes : 310
##
##
##
##
## StreamingTV StreamingMovies
## No :942 No :938
## No internet service:113 No internet service:113
## Yes :814 Yes :818
##
##
##
##
## Contract PaperlessBilling PaymentMethod
## Month-to-month:1655 No : 469 Bank transfer (automatic): 258
## One year : 166 Yes:1400 Credit card (automatic) : 232
## Two year : 48 Electronic check :1071
## Mailed check : 308
##
##
##
## MonthlyCharges TotalCharges Churn
## Min. : 18.85 Min. : 18.85 No : 0
## 1st Qu.: 56.15 1st Qu.: 134.50 Yes:1869
## Median : 79.65 Median : 703.55
## Mean : 74.44 Mean :1531.80
## 3rd Qu.: 94.20 3rd Qu.:2331.30
## Max. :118.35 Max. :8684.80
## Se destacan las dos variables cuantitativas importantes de los cientes que se retiran
- Aquí la media de la variable tenure es de 17.97 es decir que los clientes que se retiran en promedio duran casi 18 meses
- Comparado con la media de toda la población de clientes, la media de la variable tenure disminuyó de 32.37 a 17.97 meses
- Por otra parte la media de los cargos mensuales MonthlyCharges en promedio es de 74.441332
- Comparado con la media de toda la población de clientes el valor en esta variable MonthlyCharges aumentó de 64.761692 a 74.441332 el costo mensual.
- Con esto tal vez podemos argumentar una hipótesis de que una razón por la que los clientes se retiran de la empresas es por el alto costo de la cuota mensual o del pago mensual que tienen que pagar
Identificando cuál es la moda (frecuencias) de las variables cualitativas de los clientes que se han fugado.
summary(clientesfugados$gender)## Female Male
## 939 930summary(as.factor(clientesfugados$SeniorCitizen))## 0 1
## 1393 476summary(as.factor(clientesfugados$Partner))## No Yes
## 1200 669summary(as.factor(clientesfugados$Dependents))## No Yes
## 1543 326summary(clientesfugados$tenure)## Min. 1st Qu. Median Mean 3rd Qu. Max.
## 1.00 2.00 10.00 17.98 29.00 72.00summary(clientesfugados$MonthlyCharges)## Min. 1st Qu. Median Mean 3rd Qu. Max.
## 18.85 56.15 79.65 74.44 94.20 118.35# Otras variables
summary(clientesfugados$InternetService)## DSL Fiber optic No
## 459 1297 113summary(clientesfugados$OnlineSecurity)## No No internet service Yes
## 1461 113 295summary(clientesfugados$OnlineBackup)## No No internet service Yes
## 1233 113 523summary(clientesfugados$DeviceProtection)## No No internet service Yes
## 1211 113 545summary(clientesfugados$TechSupport)## No No internet service Yes
## 1446 113 310- Hay 939 clientes mujeres comparado con 930 clientes hombres que se han retirado.
- Considerando un valor de 0 No Jubilado y 1 de Jubilado, se tiene una frecuencia de No jubilados igual a 1393 y Jubilados de 476 del total de los clientes fugados.
- Los clientes sin socios son 1200 y que tienen socios con 669.
- Por su parte de los clientes fugados existen 1543 clientes que no tienen dependientes y 326 que si tienen.
- La media de la variable tenure es de 17.97 es decir que los clientes que se retiran en promedio duran casi 18 meses.
- Comparado con la media de toda la población de clientes, la media de la variable tenure disminuyó de 32.37 a 17.97 meses.
- Por otra parte la media de los cargos mensuales MonthlyCharges en promedio es de 74.441332
- Comparado con la media de toda la población de clientes el valor en esta variable MonthlyCharges aumentó de 64.761692 a 74.441332 el costo mensual.
Con esto tal vez podemos argumentar una hipótesis de que una razón por la que los clientes se retiran de la empresas es por el alto costo de la cuota mensual o del pago mensual que tienen que pagar.
Existen variables tales como InternetService, OnlineSecurity ,OnlineBackup, DeviceProtection, TechSupport que tienen frecuencias en alguna de sus factores por encima de mil, sin embargo, existen variables con una mayor frecuencia que bajo esta interpretación, deben ser de mayor interés.
summary(clientesfugados$PhoneService)## No Yes
## 170 1699frecuencias <- data.frame(table(clientesfugados$PhoneService))
colnames(frecuencias) <- c("Serv.Telefonico", "Frecuencia")
frecuencias <- arrange(frecuencias, desc(Frecuencia))
frecuencias## Serv.Telefonico Frecuencia
## 1 Yes 1699
## 2 No 170ServTel <- frecuencias$Serv.Telefonico # Eje x
Frecuencia <- frecuencias$Frecuencia # Eje y
ggplot(data=frecuencias, aes(x=ServTel, y=Frecuencia,
fill=ServTel)) +
geom_bar(stat="identity") +
#scale_fill_grey(start = 0.2, end = 0.8,na.value = "red") +
ggtitle("Cantidad de clientes retirados con Servicio Telefonico")
- De los clientes fugados, hay 1699 que tienen servicio telefónico, es decir un valor relativo de 1699 / 1869 y valor porcentual del 90% es una variable de interés.
- Se observa que de los clientes que se alejan son los que tienen servicio telefónico PhoneService , tal vez nos atrevemos a establecer que si se les ofrece cancelar el servicio telefónico a los clientes hay mayor probabilidad de que sean clientes mas fieles.
summary(clientesfugados$Contract)## Month-to-month One year Two year
## 1655 166 48frecuencias <- data.frame(table(clientesfugados$Contract))
colnames(frecuencias) <- c("Contrato", "Frecuencia")
frecuencias <- arrange(frecuencias, desc(Frecuencia))
frecuencias## Contrato Frecuencia
## 1 Month-to-month 1655
## 2 One year 166
## 3 Two year 48Contratos <- frecuencias$Contrato # Eje x
Frecuencia <- frecuencias$Frecuencia # Eje y
ggplot(data=frecuencias, aes(x=Contratos, y=Frecuencia,
fill=Contratos)) +
geom_bar(stat="identity") +
#scale_fill_grey(start = 0.2, end = 0.8,na.value = "red") +
ggtitle("Cantidad de clientes retirados de acuerdo al tipo de contrato")
- Otra variable con frecuencia muy alta, el atributo Contract que significa por sus valores (Month-to-month, One year, Two year) que si un cliente tiene contrato mensual, anual o cada dos años.
- El valor de la frecuencia en en contratos Month-to-month es de 1655 , es decir un valor relativo de 1655 / 1869 y valor porcentual del 88% es otra variable de interés.
- Se interpreta que de los clientes que se alejan son los que tienen contrato mes a mes , tal vez nos atrevemos a establecer que si se les aumenta el contrato a los clientes hay mayor probabilidad de que sean clientes mas fieles.
- Con la gráfica de barra se observa que hay una gran cantidad de clientes que se van de la empresa por tal vez una situación de tener contratos con la empresa mes a mes.De los clientes que se van, mas del 80% tienen contrato mes a mes.
- La hipótesis es que si se les auenta el tiempo de contrato es reduce la cantidad de fugas.