WO2023047511A1 - 解約予測システム、解約予測方法およびプログラム記録媒体 - Google Patents

解約予測システム、解約予測方法およびプログラム記録媒体 Download PDF

Info

Publication number
WO2023047511A1
WO2023047511A1 PCT/JP2021/034966 JP2021034966W WO2023047511A1 WO 2023047511 A1 WO2023047511 A1 WO 2023047511A1 JP 2021034966 W JP2021034966 W JP 2021034966W WO 2023047511 A1 WO2023047511 A1 WO 2023047511A1
Authority
WO
WIPO (PCT)
Prior art keywords
prediction
cancellation
communication line
probability
churn
Prior art date
Application number
PCT/JP2021/034966
Other languages
English (en)
French (fr)
Inventor
信子 春田
Original Assignee
日本電気株式会社
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 日本電気株式会社 filed Critical 日本電気株式会社
Priority to JP2023549239A priority Critical patent/JPWO2023047511A5/ja
Priority to PCT/JP2021/034966 priority patent/WO2023047511A1/ja
Publication of WO2023047511A1 publication Critical patent/WO2023047511A1/ja

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising

Definitions

  • the present invention relates to a cancellation prediction system.
  • contract termination probability information may enable effective action to be taken.
  • the cancellation prediction system of Patent Document 1 classifies customers using customer usage data, and displays a list of customers who are at risk of cancellation based on the classification results and listing rules.
  • Patent Document 2 uses a wide variety of item data to extract customer groups for which campaigns to encourage continued use contracts are highly effective.
  • the sales activity support device of Patent Document 3 uses customer information to predict the probability of cancellation of a contracted customer, and generates a sales activity plan for non-customers whose trends match those of customers with a low cancellation probability.
  • the behavioral characteristic prediction system of Patent Document 4 extracts feature quantities that can affect the cancellation of a user's contract from a log of the communication status of a base station when the user communicates or makes a call.
  • the behavioral characteristic prediction system of Patent Literature 4 predicts the user's behavioral characteristics from the feature quantity extracted from the log of the communication state using a model that has learned the relationship between the extracted feature quantity and the user's behavioral characteristics.
  • the purpose of the present invention is to provide a cancellation prediction system and the like that facilitates judgment of the validity of prediction results regarding the cancellation probability of communication lines.
  • the cancellation prediction system of the present invention includes acquisition means for acquiring data on the usage status of the communication line including information on the contract for the communication line; Using a churn prediction model that has learned the relationship between line churn and the existence of churn, prediction means for predicting the churn probability of communication lines based on the acquired usage data, the churn probability, and the reason for predicting the churn probability. and output means for outputting.
  • the cancellation prediction method of the present invention uses a cancellation prediction model that acquires communication line usage data including information on communication line contracts and learns the relationship between the communication line usage status and whether or not the communication line is canceled. , predicts the probability of cancellation of the communication line based on the acquired usage data, and outputs the probability of cancellation and the reason for predicting the probability of cancellation.
  • the program recording medium of the present invention includes a process of acquiring communication line usage data including information on a communication line contract, and a cancellation prediction model that learns the relationship between the communication line usage and whether or not the communication line is canceled. record a churn prediction program that causes a computer to execute a process of predicting the churn probability of a communication line based on the acquired usage data, and a process of outputting the churn probability and the reason for predicting the churn probability. .
  • FIG. 1 is a diagram showing an overview of the configuration of a first exemplary embodiment of the present invention
  • FIG. 1 is a diagram showing an example of the configuration of a cancellation prediction system according to the first embodiment of the present invention
  • FIG. FIG. 2 is a diagram showing an example of the operational flow of the cancellation prediction system of the first embodiment of the present invention
  • FIG. 4 is a diagram showing an example of a display screen according to the first embodiment of the present invention
  • FIG. FIG. 4 is a diagram showing an example of a display screen according to the first embodiment of the present invention
  • FIG. FIG. 2 is a diagram showing an example of the operational flow of the cancellation prediction system of the first embodiment of the present invention
  • FIG. 5 is a diagram showing an overview of the configuration of a second embodiment of the present invention. It is a figure which shows the example of a structure of the cancellation prediction system of the 2nd Embodiment of this invention. It is a figure which shows the example of the operation
  • FIG. 10 is a diagram showing an example of a display screen according to the second embodiment of the present invention;
  • FIG. FIG. 10 is a diagram showing an example of a display screen according to the second embodiment of the present invention;
  • FIG. 10 is a diagram showing an example of a display screen according to the second embodiment of the present invention;
  • FIG. 10 is a diagram showing an example of a display screen according to the second embodiment of the present invention;
  • FIG. 10 is a diagram showing an example of a display screen according to the second embodiment of the present invention;
  • FIG. 10 is a diagram showing an example of a display screen according to the second embodiment of the present invention;
  • FIG. 10 is a diagram showing an example of a display screen according to the second embodiment of the present invention
  • FIG. 10 is a diagram showing an example of a display screen according to the second embodiment of the present invention
  • FIG. 10 is a diagram showing an example of a display screen according to the second embodiment of the present invention
  • FIG. 10 is a diagram showing an example of a display screen according to the second embodiment of the present invention
  • FIG. It is a figure which shows the example of a structure of the cancellation prediction system of the 3rd Embodiment of this invention. It is a figure which shows the example of the operation
  • FIG. 4 is a diagram showing another configuration example of the embodiment of the present invention.
  • FIG. 1 is a diagram showing an overview of the configuration of an information processing system according to this embodiment.
  • the information processing system of this embodiment includes a cancellation prediction system 10 and a terminal device 20 .
  • the cancellation prediction system 10 and the terminal device 20 are connected via a network.
  • a plurality of terminal devices 20 may be provided.
  • the number of terminal devices 20 can be appropriately set according to the number of users of the cancellation prediction system 10 .
  • the churn prediction system 10 is a system that uses a churn prediction model to predict the churn probability of a communication line based on the usage status of the communication line.
  • the cancellation prediction model is generated by learning the relationship between the usage status of the communication line including information on the contract of the communication line and whether or not the communication line is canceled.
  • the information about the contract for the communication line is, for example, information on contract details of the communication line and information on the terminal device used in the communication line.
  • the contract content information of the communication line is, for example, conditions regarding contract period and fee.
  • the churn prediction system 10 performs churn prediction using different churn prediction models, for example, for churn prediction for a company contracting multiple communication lines and for an individual.
  • the churn prediction system 10 may predict the churn probability of a communication line using a different churn prediction model for each target of churn prediction.
  • the items of communication line usage data used for churn prediction are set for each churn prediction model.
  • the churn prediction model is generated as a learning model using a learning algorithm that can extract prediction reasons.
  • An example of generating a learning model from which prediction reasons can be extracted will be described later.
  • the communication line usage status for example, data on one or more of the following items: amount of communication, number of times of communication, number of calls, duration of calls, service used, or frequency of service use.
  • the usage status of the communication line includes information regarding the contract of the communication line.
  • the information related to the communication line contract includes, for example, items related to terminal information and contract content information.
  • terminal information for example, one or more of terminal device manufacturer, distributor, brand, model, color, form, specification, additional function, sales form, release date, next model release date, or model change frequency data are used.
  • contract content information for example, one or more items from among contractor information, contract plan, number of contracted lines, rate plan, contract period, contract period of long-term contract, terminal device usage period, or past terminal replacement frequency data is used.
  • the contractor is an individual, for example, data on one or more of the contractor's age, gender, occupation, place of residence, or annual income is used as the contractor information.
  • contractor information if the contractor is a company or organization that contracts for multiple communication lines, for example, industry, business form, purpose of activity, achievements, number of affiliated people, number of bases, years since establishment or Data of one or a plurality of items are used.
  • the communication line usage data including information on the communication line contract may include data of items other than the above items. Also, each of the above items may be divided into more detailed items.
  • FIG. 2 is a diagram showing an example of the configuration of the cancellation prediction system 10.
  • the cancellation prediction system 10 includes an acquisition unit 11 , a prediction unit 12 , an output unit 13 , a prediction model generation unit 14 and a storage unit 15 .
  • the acquisition unit 11 acquires data on the usage status of communication lines, including information on contracts for communication lines. Further, when the predicting unit 12 uses a plurality of types of churn predicting models, the obtaining unit 11 may obtain the selection result of the churn predicting model to be used for churn prediction. That is, the selection result of the churn prediction model used for churn prediction may be, for example, the selection result of the churn prediction target. In the case of the churn prediction target selection result, correspondence between the churn prediction target and the churn prediction model used for the churn prediction target is set in advance. Further, the acquisition unit 11 may acquire data on the usage status of the communication line and data on whether or not the communication line has been canceled. The communication line usage data and communication line cancellation data are used to generate a cancellation prediction model.
  • the acquisition unit 11 acquires from the terminal device 20 data on the usage status of the communication line, data on whether or not the communication line has been canceled, and the selection result of the cancellation prediction model.
  • the data on the usage status of the communication line, the data on whether or not the communication line is canceled, and the selection result of the cancellation prediction model are input to the terminal device 20 by the operator's operation, for example.
  • the acquisition unit 11 may acquire data on the usage status of the communication line and data on whether or not the communication line has been canceled from a contract management server connected via a network. Further, the data on the usage status of the communication line, the data on whether or not the communication line is canceled, and the selection result of the cancellation prediction model may be input to the cancellation prediction system 10 by the operator's operation.
  • a single type of churn prediction model may be used regardless of the churn prediction target. Further, a cancellation prediction model used for cancellation prediction may be set according to the terminal device 20 accessing the cancellation prediction system 10 or the user of the terminal device 20 . If there is only one type regardless of the churn prediction target, the acquisition unit 11 does not need to acquire the selection result of the churn prediction model.
  • the prediction unit 12 uses a cancellation prediction model that has learned the relationship between the communication line usage status and whether or not the communication line has been canceled, and predicts the communication line cancellation probability based on the data on the communication line usage status.
  • the churn prediction model may be a model generated by the prediction model generator 14 or a model generated outside the churn prediction system 10 .
  • the churn prediction model is a model generated using a learning algorithm capable of outputting prediction reasons for churn probability as prediction results.
  • the prediction unit 12 may predict the churn probability of a communication line using one type of churn prediction model, or may select and use any one or more churn prediction models from a plurality of types of churn prediction models. A cancellation probability of a communication line may be predicted. When multiple types of churn prediction models are used, the prediction unit 12 predicts the churn probability of the communication line using, for example, the churn prediction model specified by the selection result of the churn prediction model acquired by the acquisition unit 11 .
  • the prediction unit 12 uses either a cancellation prediction model for a group contracting a plurality of communication lines as a prediction target or a cancellation prediction model for each communication line unit as a prediction target, and Predict churn probability from situational data.
  • the prediction unit 12 uses the selected churn prediction model for each of a plurality of communication lines including a communication line contracted by the same contractor. Predict the cancellation probability for each communication line from the usage status of
  • the prediction unit 12 predicts the churn probability using the churn prediction model.
  • the prediction unit 12 predicts the churn probability using the set churn model.
  • the prediction unit 12 performs cancellation prediction by predicting the cancellation probability of a communication line using a cancellation prediction model, using communication line usage data including information on a communication line contract as input data.
  • the prediction unit 12 uses at least one of the usage period of the terminal device used in the contract, the period from renewal of the contract, or the period from the start of the contract as input data as information related to the contract of the communication line.
  • the prediction unit 12 can improve the prediction accuracy of the cancellation probability by using the information about the period of the contract and the terminal device among the information about the contract of the communication line.
  • the prediction unit 12 extracts the reason for prediction of the cancellation probability when predicting the cancellation probability of the communication line.
  • the prediction unit 12 extracts, as a reason for prediction, an item whose influence on the probability of cancellation of the communication line satisfies the criteria from the data on the usage status of the communication line. For example, the prediction unit 12 extracts an item that has a higher influence on the churn probability than other items as the reason for prediction.
  • the prediction unit 12 may extract multiple items as prediction reasons.
  • the prediction unit 12 may extract a preset number of items as prediction reasons in descending order of influence on the value of the cancellation probability.
  • the prediction unit 12 may extract, as a prediction reason, an item whose influence on the value of the churn probability is greater than or equal to a preset reference. Criteria for extracting prediction reasons can be set as appropriate.
  • the output unit 13 outputs the churn probability and the prediction reason for predicting the churn probability.
  • the output unit 13 outputs the churn probability predicted by the prediction unit 12 using the churn prediction model and the reason for predicting the churn probability to, for example, the terminal device 20 as prediction results.
  • the output unit 13 outputs, as the reason for prediction, an item whose influence on the cancellation probability satisfies the criteria among the items of the communication line usage data.
  • the output unit 13 may output the cancellation probability and the prediction reason data to a display device (not shown) connected to the cancellation prediction system 10 .
  • the prediction model generation unit 14 generates a cancellation prediction model by learning the relationship between the usage status of the communication line and the presence or absence of cancellation of the communication line.
  • the prediction model generation unit 14 may generate a churn prediction model for each target of churn prediction, for example.
  • the prediction model generation unit 14 stores the generated cancellation prediction model in the storage unit 15 .
  • the prediction model generation unit 14 generates a churn prediction model using a learning algorithm capable of outputting the reason for churn probability prediction as a prediction result.
  • the prediction model generation unit 14 generates a churn prediction model using, for example, a learning algorithm based on factorized asymptotic Bayesian inference.
  • the predictive model generation unit 14 uses data on the usage status of communication lines as input data and the presence or absence of cancellation as correct data to create rules in the form of a decision tree. Then, we generate a learning model that predicts the churn probability using a linear model that combines different explanatory variables in each case.
  • the prediction model generation unit 14 generates a learning model by sequentially performing the processes of optimizing data case classification conditions, generating prediction models by optimizing combinations of explanatory variables, and deleting unnecessary prediction models.
  • Such a method of generating a learning model is called heterogeneous mixture learning because prediction models based on combinations of different explanatory variables are combined for prediction.
  • heterogeneous mixture learning By generating a churn prediction model using heterogeneous mixture learning, it becomes possible to explain the churn probability prediction results using conditions that have a strong impact on the prediction results, thereby improving the explainability of the prediction results.
  • Heterogeneous mixture learning techniques are disclosed, for example, in US Patent Application Publication No. 2014/0222741.
  • the learning algorithm used to generate the churn prediction model is not limited to the above examples.
  • the predictive model generating unit 14 may generate, for example, a learning model for predicting the cancellation probability from data on the usage status of communication lines by deep learning using a neural network.
  • the predictive model generation unit 14 for example, varies the data of each item, and based on the amount of change in the value of the churn probability, selects an item that has a large effect on the churn probability as the reason for prediction. By extracting, a churn prediction model is generated that outputs the reason for churn probability prediction.
  • the prediction model generation unit 14 verifies the accuracy of the generated churn prediction model when determining whether or not generation of the churn prediction model has been completed.
  • the prediction model generating unit 14 uses, for example, verification data as input data, and predicts the churn probability using the churn prediction model being generated.
  • verification data for example, among the communication line usage data and the cancellation presence/absence data acquired by the acquiring unit 11, data that is not used for generating the cancellation prediction model is used.
  • the prediction model generation unit 14 determines that the result of the churn prediction is correct when the data indicating the presence or absence of churn indicates churn with a churn probability equal to or higher than a preset standard. For example, the predictive model generation unit 14 predicts the churn probability using verification data as input data, and determines that generation of the churn predictive model has been completed when the accuracy rate is equal to or higher than a reference. When determining that the generation of the cancellation prediction model has been completed, the prediction model generation unit 14 stores the cancellation prediction model in the storage unit 15 as a learned learning model.
  • the prediction model generation unit 14 may update the cancellation prediction model by re-learning the relationship between the predicted communication line usage status and the actual data regarding cancellation. When re-learning is performed, the prediction model generation unit 14 updates the cancellation prediction model stored in the storage unit 15 using each parameter after re-learning.
  • the storage unit 15 stores each data related to cancellation prediction.
  • the storage unit 15 stores the communication line usage data, the cancellation/presence data, and the cancellation prediction model selection result acquired by the acquisition unit 11 .
  • the storage unit 15 stores the cancellation probability predicted by the prediction unit 12 and the reason for the prediction of the cancellation probability as a prediction result.
  • the storage unit 15 stores the cancellation prediction model generated by the prediction model generation unit 14. When multiple churn prediction models are generated, the storage unit 15 may store each churn model. Further, when a churn prediction model is generated for each churn prediction target, the storage unit 15 may store the churn prediction model and the churn prediction target in association with each other.
  • the terminal device 20 displays, on a display device (not shown), the communication line churn probability obtained as a prediction result from the churn prediction system 10 and the reason for the churn probability prediction.
  • the terminal device 20 accepts communication line usage data and selection of a cancellation prediction model input by the operator's operation at the time of cancellation prediction.
  • the terminal device 20 receives communication line usage data and communication line cancellation/non-cancellation data input by the operator when generating the cancellation prediction model.
  • the terminal device 20 outputs the communication line usage data and the selection result of the cancellation prediction model to the cancellation prediction system 10 .
  • the terminal device 20 outputs data on the usage status of the communication line and data on whether or not the communication line is canceled when the cancellation prediction model is generated.
  • Input of communication line usage data for cancel prediction and input of communication line usage data and cancellation presence/absence data for cancellation prediction model generation are performed in different terminal devices 20, respectively. good too. Further, when predicting cancellation, the input of communication line usage data and the display of the prediction result of the communication line cancellation probability and prediction reason may be performed in separate terminal devices 20, respectively.
  • the terminal device 20 for example, a personal computer is used. Also, the terminal device 20 for displaying the prediction results may be, for example, a tablet computer or a smart phone. The terminal device 20 is not limited to these examples.
  • FIG. 3 is a diagram showing an example of an operation flow of the cancellation prediction system 10 when making cancellation prediction.
  • the acquisition unit 11 of the cancellation prediction system 10 acquires data on the usage status of the communication line targeted for cancellation prediction from the terminal device 20 (step S11). Data on the usage status of the communication line is input to the terminal device 20 by the operator's operation, for example.
  • the acquisition unit 11 acquires the selection result of the cancellation prediction model from the terminal device 20 (step S12).
  • the selection result of the cancellation prediction model is input to the terminal device 20 by the operator's operation, for example. If there is only one churn prediction model, the acquisition unit 11 does not need to acquire the selection result of the churn prediction model. In such a case, the prediction unit 12 predicts cancellation using a single fixed cancellation prediction model.
  • the prediction unit 12 reads out the cancellation prediction model according to the selection result from the storage unit 15 .
  • the prediction unit 12 uses the communication line usage data as input data and predicts the cancellation probability of the communication line using the read cancellation prediction model (step S13).
  • the prediction unit 12 When predicting the churn probability, the prediction unit 12 extracts, as the reason for prediction, an item that has a large impact on the churn probability from among the items of the communication line usage data used as input data.
  • a large effect on the churn probability means, for example, that when the value of the item fluctuates, the change in the churn probability value is greater than that of other items.
  • the output unit 13 When the churn probability is predicted and the reason for prediction is extracted, the output unit 13 outputs the churn probability of the communication line and the reason for the churn probability prediction to the terminal device 20 (step S14).
  • the terminal device 20 After acquiring the communication line cancellation probability and the reason for the cancellation probability prediction, the terminal device 20 displays the communication line cancellation probability and the reason for the cancellation probability prediction on the display device.
  • FIG. 4 is a diagram showing an example of a display screen of prediction results of churn probability for each contractor when churn prediction is performed using a churn prediction model that is applied when the contractor of the communication line is an individual. .
  • the output unit 13 puts a list of "contractor” indicating the subscriber of the communication line, "cancellation probability” indicating the probability of cancellation of the communication line, and "reason” indicating the reason for prediction into a cancellation possibility list.
  • the terminal device 20 displays a display screen as shown in FIG. 4 based on the acquired data.
  • the output unit 13 outputs, as a prediction result, a cancellation possibility list indicating cancellation probabilities and reasons for prediction in descending order of cancellation probabilities of contractors.
  • FIG. 5 is a diagram showing another example of a display screen showing the cancellation probability of each communication line contracted by a contractor and the reason for predicting the cancellation probability.
  • FIG. 5 shows an example in the case of using a cancellation prediction model that is applied when making cancellation predictions for subscribers who have contracts for a plurality of communication lines.
  • the output unit 13 outputs a "telephone number" indicating the telephone number assigned to the communication line, a "cancellation probability” indicating the cancellation probability of the communication line, and a "reason” indicating the reason for the prediction of the cancellation probability. is output as a cancellation possibility list regarding the communication lines contracted by "M company".
  • the output unit 13 may output, as a result of prediction, the average cancellation probability of the communication lines contracted by each contractor or the number of communication lines whose cancellation probability is equal to or higher than a reference.
  • the output unit 13 may output the prediction result as a list of the average churn probability or the number of communication lines whose churn probability is equal to or higher than a reference for each company.
  • FIG. 6 is a diagram showing an example of an operation flow of the churn prediction system 10 when generating a churn prediction model.
  • the acquisition unit 11 of the cancellation prediction system 10 acquires data on the usage status of the communication line and data on whether or not the communication line is canceled, which are used to generate the cancellation prediction model (step S21).
  • the prediction model generating unit 14 learns the communication line usage data and the communication line cancellation/non-cancellation relationship to generate a cancellation prediction model. (Step S22).
  • the prediction model generation unit 14 generates a cancellation prediction model by, for example, heterogeneous mixture learning.
  • the predictive model generator 14 determines whether the churn predictive model generation has been completed.
  • the prediction model generation unit 14 verifies the prediction accuracy of the churn prediction model when determining whether or not generation of the churn prediction model has been completed.
  • the predictive model generation unit 14 uses, for example, verification data as input data and calculates the churn probability using a churn predictive model. Data for verification is data that is not used to generate a cancellation prediction model, among the data on the usage status of the communication line and the data on the presence or absence of cancellation acquired by the acquisition unit 11 .
  • the prediction model generation unit 14 determines the result of the churn prediction. is determined to be correct. The predictive model generation unit 14 determines whether or not conditions for termination of generation of the churn predictive model are satisfied depending on whether the accuracy rate of the churn prediction result satisfies a criterion.
  • the prediction model generation unit 14 stores the churn prediction model as a learned learning model in the storage unit 15. Save (step S24). If the accuracy of the churn prediction model is less than the standard (No in step S23), the prediction model generator 14 returns to step S22 and continues to generate the churn prediction model.
  • the churn prediction system 10 of the present embodiment extracts the churn probability of a communication line as well as the reason for the churn probability prediction, and outputs the churn probability and the prediction reason for the churn probability as a prediction result.
  • By outputting the cancellation probability of the communication line and the reason for prediction for example, when taking some action on the contractor, while judging the validity of the prediction result of the cancellation probability of the communication line, can take action.
  • the cancellation prediction system 10 of the present embodiment predicts the cancellation probability of a communication line using a cancellation prediction model according to prediction targets.
  • the churn prediction system 10 predicts churn using different churn prediction models depending on whether the prediction target is an individual or a company or group contracting multiple lines. In this way, when prediction is performed using a churn prediction model corresponding to a prediction target, the churn prediction system 10 can improve the accuracy of churn prediction.
  • FIG. 7 is a diagram showing an overview of the configuration of the information processing system of this embodiment.
  • the information processing system of this embodiment includes a cancellation prediction system 30 and a terminal device 40 .
  • the cancellation prediction system 30 and the terminal device 40 are connected via a network.
  • a plurality of terminal devices 40 may be provided.
  • the number of terminal devices 40 can be appropriately set according to the number of users of the cancellation prediction system 30 .
  • the cancellation prediction system 10 of the first embodiment outputs the cancellation probability of the communication line and the prediction result of the cancellation probability.
  • the cancellation prediction system 30 of the present embodiment acquires the selection result of any item from the display items of the output prediction result, and further outputs data on the selected item.
  • FIG. 8 is a diagram showing an example of the configuration of the cancellation prediction system 30.
  • the cancellation prediction system 30 includes an acquisition unit 31 , a prediction unit 12 , an output unit 32 , a prediction model generation unit 14 and a storage unit 15 .
  • the configurations and functions of the prediction unit 12, the prediction model generation unit 14, and the storage unit 15 are the same as the same-named components of the churn prediction model in the first embodiment.
  • the acquisition unit 31 has the same functions as the acquisition unit 11 of the first embodiment. In addition to the functions of the acquisition unit 11, the acquisition unit 31 acquires items selected on the display screen of the cancellation prediction prediction results on the terminal device 40 as selection results. Items selected on the prediction result display screen indicate items to be displayed in more detail on the display screen.
  • the acquisition unit 31 acquires, from the terminal device 40, communication line usage data, communication line contract cancellation data, cancellation prediction model selection results, and items selected on the display screen as selection results.
  • Data on the usage status of the communication line, data on whether or not the communication line contract has been canceled, the selection result of the cancellation prediction model, and the selection result of the items selected on the display screen are input to the terminal device 40 by the operator's operation, for example. be done.
  • the selection result of the display item is input to the terminal device 40 by the operator's operation.
  • the selection result of the display items may be input to the cancellation prediction system 30 by the operator's operation.
  • the output unit 32 has the same function as the output unit 13 of the first embodiment. In addition to the functions of the output unit 13 , the output unit 32 outputs to the terminal device 40 data according to the selection result of the display items acquired via the acquisition unit 31 .
  • the selection result of the display item is data indicating the item selected by the operator's operation on the prediction result output screen of the terminal device 40 .
  • the terminal device 40 has the same functions as the terminal device 20 of the first embodiment. In addition to the functions of the terminal device 20, the terminal device 40 displays display data related to items selected on the display screen. Based on the data acquired from the cancellation prediction system 30, the terminal device 40 displays display data related to the item selected on the display screen on the display device. The terminal device 40 receives, as a result of selection, selection of any item on the display screen that is input by the operator's operation. The terminal device 40 transmits the item selection result to the cancellation prediction system 30 .
  • the terminal device 40 For example, a personal computer is used as the terminal device 40 .
  • the terminal device 40 for displaying the prediction result may be, for example, a tablet computer or a smart phone.
  • the terminal device 40 is not limited to these examples.
  • FIG. 9 is a diagram showing an example of an operation flow of the cancellation prediction system 30 when making cancellation prediction.
  • the acquisition unit 31 of the cancellation prediction system 30 acquires data on the usage status of the communication line targeted for cancellation prediction from the terminal device 40 (step S31). Data on the usage status of the communication line is input to the terminal device 40 by the operator's operation, for example.
  • the acquisition unit 31 acquires the selection result of the cancellation prediction model from the terminal device 40 (step S32).
  • the selection result of the cancellation prediction model is input to the terminal device 40 by the operator's operation, for example.
  • the prediction unit 12 reads out the cancellation prediction model according to the selection result from the storage unit 15 .
  • the prediction unit 12 uses the communication line usage data as input data and predicts the cancellation probability of the communication line using the read cancellation prediction model (step S33).
  • the prediction unit 12 extracts, as a reason for prediction, an item that greatly affects the cancellation probability from among the items of the communication line usage data used as the input data.
  • the output unit 32 outputs the cancellation probability of the communication line and the reason for prediction of cancellation to the terminal device 40 (step S34).
  • the terminal device 40 outputs to the terminal device 40 information on items for which more detailed data can be output among the data to be output, in addition to the cancellation probability of the communication line and the predicted reason for cancellation.
  • the terminal device 40 After acquiring the cancellation probability of the communication line and the reason for the prediction of the cancellation probability, the terminal device 40 displays the cancellation probability of the communication line and the reason for the prediction of the cancellation probability on the display device. In addition, the terminal device 40 displays items for which more detailed data can be displayed so that the items can be selected.
  • the ability to select an item means, for example, that the operator can select it by clicking it with a mouse operation.
  • the item selection method is not limited to clicking with a mouse, and can be set as appropriate.
  • FIG. 10 is a diagram showing an example of a display screen of prediction results of churn probability for each contractor when churn prediction is performed using a churn prediction model that is applied when the contractor of the communication line is an individual. .
  • a list of "contractor” indicating the subscriber of the communication line, "cancellation probability” indicating the probability of cancellation of the communication line, and "reason” indicating the reason for prediction is displayed. displayed as a list.
  • the cancellation probabilities and prediction reasons are displayed in descending order of the contractors with the highest cancellation probabilities.
  • each data item indicated as a reason can be selected by clicking it with a mouse, for example.
  • selection buttons for "new prediction” and "end” are arranged at the bottom.
  • “New Prediction” is a button that is selected, for example, when performing churn prediction by changing the prediction target or changing the churn prediction model.
  • “End” is a button that is selected when canceling the cancellation prediction.
  • step S34 when the screen of the churn probability and the reason for churn probability prediction is displayed, if any one of the selectable items on the display screen is selected by the operator's operation, the terminal device 40 outputs the data of the selected item to the cancellation prediction system 30 as a selection result.
  • the acquisition unit 31 acquires the selection result of the screen to be displayed from the terminal device 40.
  • the output unit 32 outputs data corresponding to the selection result to the terminal device 40 (step S36).
  • the terminal device 40 After acquiring the data corresponding to the selection result, the terminal device 40 uses the acquired data to display a display screen corresponding to the selection result on the display device.
  • FIG. 11 shows an example of a display screen when "terminal usage period" is selected in the example of FIG.
  • the contractors whose "Terminal use period" has the greatest influence on the prediction result are displayed in descending order of cancellation probability.
  • the output unit 32 outputs the cancellation probabilities for communication lines for which the probability of cancellation due to the selected reason for prediction, "Terminal usage period,” is equal to or higher than a reference. 31, the output unit 32 acquires the selection result in which the "terminal usage period" is selected, generates data of a list of contractors whose "terminal usage period" has the greatest impact on the prediction result, Output to the terminal device 40 .
  • the terminal device 40 uses the data acquired from the cancellation prediction system 30 to display, on the display device, a list of contractors whose "terminal use period" has the greatest influence on the prediction results, as shown in FIG. 11 as an example.
  • the "return" selection button shown in the lower part of FIG. 11 is selected, for example, when returning from the display screen shown in FIG. 11 to the display screen shown in FIG.
  • the churn prediction system 30 After outputting the data corresponding to the selection result to the terminal device 40, upon receiving an instruction to end the churn prediction (Yes in step S37), the churn prediction system 30 ends the operation related to the churn prediction.
  • An instruction to terminate the cancellation prediction is output from the terminal device 40 to the cancellation prediction system 30, for example, when the "end" button is selected by the operator's operation in FIG.
  • the cancellation prediction system 30 ends the operation related to cancellation prediction. .
  • step S37 If there is no instruction to end the cancellation prediction in step S37 (No in step S37), the cancellation prediction system returns to step S34 and waits until the selection result of the display screen is input.
  • the method of generating a churn prediction model in the churn prediction system 30 is the same as the method of generating a churn prediction model in the churn prediction system 10 of the first embodiment.
  • the output unit 32 may output, as a prediction result, a total value based on the cancellation probability of each communication line for each contractor.
  • the aggregated value for each contractor is, for example, the average value of the cancellation probabilities of the communication lines contracted by the contractor, or the number of communication lines whose cancellation probability is equal to or higher than a standard. Aggregated values for each contractor are not limited to the above examples.
  • FIG. 12 shows an example of a display screen that displays a list of subscribers with a high average probability of cancellation of contracted lines when canceling predictions are made for subscribers who have contracts for multiple communication lines. .
  • a list of "contracted companies” indicating the names of companies with which communication lines are contracted and "average cancellation probability” indicating the average cancellation probability of the lines with which each company has a contract can be canceled. displayed as a gender list.
  • a list is generated in order of companies with the highest average cancellation probability.
  • each contracted company name can be selected, for example, by clicking it with a mouse.
  • the terminal device 40 outputs the clicked company name to the cancellation prediction system 30 as a selection result.
  • FIG. 13 is a diagram showing an example of a display screen that displays a list of cancellation probabilities of each line contracted by the selected company when one of the companies is selected in the example of FIG.
  • the "telephone number" of each line contracted by the company selected in FIG. "Cancellation factor” indicating the data of is displayed.
  • "contract period", “period from renewal”, and "terminal use period” are shown as the "cancellation factor”.
  • the output unit 32 predicts the “terminal usage period”.
  • the data of the contractor who has the greatest influence on the result is output to the terminal device 40.
  • the terminal device 40 uses the data acquired from the cancellation prediction system 30 to display, on the display device, a display screen showing a list of cancellation probabilities of each line in the selected company, as shown in FIG. 13 as an example.
  • FIG. 14 is a diagram showing an example of a display screen displaying a list of prediction results of cancellation prediction for each communication line and data of each item.
  • “contractor” indicating the name of the contractor of each communication line
  • "cancellation probability” indicating the prediction result of the cancellation probability for each line
  • “cancellation cause” is displayed.
  • “contract period”, "period from renewal", and "terminal use period” are shown as the "cancellation factor”.
  • the display screen shown in the example of FIG. 14 is displayed, for example, when the display of details is selected when the button for selecting the display of details is set in the display screen shown in the example of FIG.
  • the output unit 32 may output the data for the display screen shown in the example of FIG. 14 to the terminal device 40 as the prediction result instead of the data for the display screen shown in the example of FIG.
  • FIG. 15 shows an example of a display screen in which items that have a large impact on the churn probability are highlighted.
  • FIG. 15 shows an example of a display screen similar to the example of FIG. 14, in which items having a large influence on the churn probability are highlighted.
  • the output unit 32 adds information indicating that the effect on the churn probability is large to the data of the item that has a large influence on the churn probability among the data of each item of the churn factor. It adds it and outputs it to the terminal device 40 .
  • the terminal device 40 displays, on the display device, a display screen in which the item to which the information indicating that the influence on the cancellation probability is large is emphasized as shown in FIG.
  • Display that emphasizes items that have a large impact on the churn probability can be done by, for example, changing the color of the display frame, the thickness of the display frame, the color of the characters, the size of the characters, the thickness of the characters, or the font of the characters to other items. It is done by making a different display from Also, the display that emphasizes the items that have a large impact on the cancellation probability may be performed by combining a plurality of methods. Also, the method of highlighting and displaying items that have a large impact on the cancellation probability is not limited to the above example.
  • FIG. 16 is a diagram showing an example of a display screen showing reasons for continuation of a contract together with cancellation factors.
  • "contractor” indicating the name of the contractor of each communication line
  • "cancellation probability” indicating the prediction result of the cancellation probability for each line
  • “cancellation factor” indicating the item that has a large impact on the prediction result.
  • "Continuation factor” indicating an item that is a factor for continuation of the contract of the communication line is displayed.
  • the items displayed as continuation factors are set in advance by analyzing the data of the communication lines for which the contract was continued among the contracts whose cancelation factors tended to be similar, for example, and saved as a data table. .
  • the continuation factor and the criteria for other items are set so as to correspond to each other.
  • the output unit 32 extracts, from the data table, the cancellation factor and the continuation factor corresponding to the usage status data for the communication line for which the prediction result is to be output.
  • the output unit 32 selects items that have a large impact on the continuation probability as continuation factors. can be output as The output unit 32 outputs the extracted continuation factor data to the terminal device 40 in association with information on the cancellation probability of the communication line and the cancellation factor.
  • the output unit 32 may output a recommended action for a contract whose churn probability satisfies a standard, in association with the churn probability and the reason for prediction.
  • FIG. 17 shows an example of a display screen displaying recommended actions for policyholders whose churn probability satisfies the criteria.
  • the output unit 32 outputs, for example, a recommended action for a contract whose cancellation probability is equal to or higher than a reference, in association with the cancellation probability of the communication line and the cancellation factor.
  • the items displayed as recommended actions are set in advance based on, for example, actions taken in the past for contractors of communication lines with similar tendencies to cancellation factors, which resulted in the continuation of the contract.
  • the set items are saved as a data table.
  • the output unit 32 searches the data table and extracts recommended action data corresponding to the communication line for which the prediction result is to be output. After extracting the recommended action, the output unit 32 outputs the extracted recommended action to the terminal device 40 in association with the cancellation probability and cancellation factor of the communication line.
  • the example of the display screen displayed by the cancellation prediction system 30 outputting data to the terminal device 40 is not limited to the example shown above. Further, the configurations of the respective display screens described above may be appropriately combined.
  • the cancellation prediction system 30 of the information processing system of the present embodiment outputs data to the terminal device 40 according to the result selected on the cancellation prediction output screen.
  • the churn prediction system 30 outputs, for example, only the churn probability and the reason for prediction as a list, and outputs more detailed items in response to a request, thereby grasping the overall result and detailed It is possible to respond to both confirmation of various data.
  • the user of the cancellation prediction system 30 can appropriately grasp the cancellation probability of the communication line and the factors of cancellation, and take action to prevent cancellation. become.
  • the cancellation prediction system 30 can easily judge the validity of the prediction result regarding the cancellation probability of the communication line.
  • FIG. 18 is a diagram showing an example of the configuration of the cancellation prediction system 100 of this embodiment.
  • the cancellation prediction system 100 includes an acquisition unit 101, a prediction unit 102, and an output unit 103.
  • Acquisition unit 101 acquires communication line usage data including information on a communication line contract.
  • the prediction unit 102 predicts the probability of cancellation of a communication line based on the obtained data of the usage state, using a cancellation prediction model that has learned the relationship between the communication line usage status and whether or not the communication line has been canceled.
  • the output unit 103 outputs the cancellation probability and the prediction reason for predicting the cancellation probability.
  • the acquisition unit 11 of the first embodiment and the acquisition unit 31 of the second embodiment are examples of the acquisition unit 101.
  • the acquiring unit 101 is one aspect of an acquiring unit.
  • the prediction unit 12 of the first embodiment and the second embodiment is an example of the prediction unit 102.
  • the prediction unit 102 is one aspect of prediction means.
  • the output unit 13 of the first embodiment and the output unit 32 of the second embodiment are examples of the acquisition unit 101 .
  • the output unit 103 is one aspect of output means.
  • FIG. 19 is a diagram showing an example of the operation flow of the cancellation prediction system 100. As shown in FIG. 19
  • the acquisition unit 101 acquires communication line usage data including information on a communication line contract (step S101).
  • the prediction unit 102 uses a cancellation prediction model that has learned the relationship between the usage status of the communication line and whether or not the communication line has been canceled, based on the acquired usage status data.
  • a cancellation probability is predicted (step S102).
  • the output unit 103 outputs the churn probability and the prediction reason for predicting the churn probability (step S103).
  • the cancellation prediction system 100 of the present embodiment predicts the cancellation probability of a communication line using a cancellation prediction model from communication line usage data including information on communication line contracts.
  • the churn prediction system 100 outputs the predicted churn probability and the prediction reason for predicting the churn probability.
  • the cancellation probability of the communication line can be obtained together with the reason for prediction, so it becomes easy to judge the validity of the prediction result of the cancellation probability of the communication line.
  • FIG. 20 shows an example of the configuration of a computer 200 that executes a computer program that performs each process in the churn prediction system 10 of the first embodiment, the churn prediction system 30 of the second embodiment, and the churn prediction system 100. It is.
  • the computer 200 includes a CPU (Central Processing Unit) 201 , a memory 202 , a storage device 203 , an input/output I/F (Interface) 204 and a communication I/F 205 .
  • CPU Central Processing Unit
  • the CPU 201 reads a computer program for each process from the storage device 203 and executes it.
  • the CPU 201 may be configured by a combination of multiple CPUs.
  • the CPU 201 may be configured by a combination of a CPU and another type of processor.
  • the CPU 201 may be configured by a combination of a CPU and a GPU (Graphics Processing Unit).
  • the memory 202 is composed of a DRAM (Dynamic Random Access Memory) or the like, and temporarily stores computer programs executed by the CPU 201 and data being processed.
  • the storage device 203 stores computer programs executed by the CPU 201 .
  • the memory device 203 is configured by, for example, a nonvolatile semiconductor memory device. Other storage devices such as a hard disk drive may be used as the storage device 203 .
  • the input/output I/F 204 is an interface that receives input from the operator and outputs display data and the like.
  • a communication I/F 205 is an interface that transmits and receives data to and from a terminal device or another information processing device. Also, the terminal device 20 of the first embodiment and the terminal device 40 of the second embodiment can have the same configuration.
  • Each process in the churn prediction system 10 of the first embodiment, the churn prediction system 30 of the second embodiment, and the churn prediction system 100 of the third embodiment is performed by a plurality of computers connected via a network. may be broken. For example, a process related to churn prediction and a process related to churn prediction model generation may be performed on different computers. Also, the generation of the churn prediction model and the generation of the churn prediction model by re-learning may be performed on different computers.
  • the storage unit of the cancellation prediction system 10 and the cancellation prediction system 30 may be provided in a storage device connected via a network or a storage device managed by a server connected via a network.
  • the computer program used to execute each process can also be stored in a recording medium and distributed.
  • a recording medium for example, a magnetic tape for data recording or a magnetic disk such as a hard disk can be used.
  • an optical disc such as a CD-ROM (Compact Disc Read Only Memory) can be used.
  • a nonvolatile semiconductor memory device may be used as a recording medium.
  • the output means outputs the reason for prediction using an item that satisfies criteria for the impact on the churn probability among the items of the data on the usage status.
  • the cancellation prediction system according to Supplementary Note 1.
  • the information on the contract for the communication line is at least one of the period of use of the terminal device used in the contract, the period from renewal of the contract, or the period from the start of the contract.
  • the cancellation prediction system according to Supplementary Note 1 or 2.
  • the acquisition means acquires a result of selecting at least one of the output prediction reasons,
  • the output means outputs the contract that has a probability of being canceled due to the selected reason for prediction being equal to or higher than a reference.
  • the cancellation prediction system according to any one of appendices 1 to 3.
  • the prediction means predicts the cancellation probability for each communication line from the usage status of each of a plurality of communication lines including a communication line contracted by the same contractor,
  • the output means outputs the cancellation probability and the prediction reason in association with the contractor;
  • the cancellation prediction system according to any one of appendices 1 to 3.
  • the output means outputs a total value based on the cancellation probability of each communication line for each contractor.
  • the cancellation prediction system according to appendix 5.
  • the obtaining means obtains a result of selecting at least one contractor from the output plurality of contractors,
  • the output means outputs the cancellation probability of the communication line contracted by the selected contractor and the prediction reason.
  • the cancellation prediction system according to appendix 6.
  • the output means outputs, in a list showing the churn probability and the value of each item of the prediction reason for each of the communication lines, emphasizing an item satisfying criteria for the influence on the churn probability over other items. do, The cancellation prediction system according to any one of appendices 1 to 7.
  • the prediction means predicts the churn probability for either a group unit contracting a plurality of communication lines or a communication line unit, and predicts the churn probability by the churn prediction model according to the prediction target.
  • the cancellation prediction system according to any one of appendices 1 to 9.
  • Appendix 11 Further comprising generating means for generating the cancellation prediction model by learning the relationship between the usage status and the presence or absence of cancellation of the communication line, The cancellation prediction system according to any one of appendices 1 to 10.
  • the generation means updates the cancellation prediction model by re-learning the relationship between the predicted usage status of the communication line and the actual data of cancellation.
  • the cancellation prediction system according to Supplementary Note 11.
  • [Appendix 13] Acquiring data on the usage status of the communication line, including information on the contract for the communication line; Predicting the probability of cancellation of the communication line based on the obtained data of the usage status, using a cancellation prediction model that has learned the relationship between the usage status of the communication line and the presence or absence of cancellation of the communication line; outputting the churn probability and a prediction reason for predicting the churn probability; Churn prediction method.
  • [Appendix 14] a process of acquiring data on the usage status of the communication line, including information on a contract for the communication line; A process of predicting the cancellation probability of the communication line based on the obtained data of the usage status using a cancellation prediction model that has learned the relationship between the communication line usage status and the presence or absence of cancellation of the communication line; A program recording medium recording a churn prediction program for causing a computer to execute a process of outputting the churn probability and a prediction reason for predicting the churn probability.

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Accounting & Taxation (AREA)
  • Development Economics (AREA)
  • Strategic Management (AREA)
  • Finance (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Telephonic Communication Services (AREA)

Abstract

解約予測システムは、取得部と、予測部と、出力部を備える。取得部は、通信回線の契約に関する情報を含む通信回線の利用状況のデータを取得する。予測部は、通信回線の利用状況と通信回線の解約有無との関係を学習した解約予測モデルを用いて、取得した利用状況のデータに基づき通信回線の解約確率を予測する。出力部は、解約確率と、解約確率を予測した予測理由とを出力する。

Description

解約予測システム、解約予測方法およびプログラム記録媒体
　本発明は、解約予測システムに関する。
　携帯電話の回線契約では、他の通信事業者への契約の切り替えが頻繁に行われることがある。回線契約の継続を目的としたアクションを契約者に対して行う場合に、契約の解約確率の情報を用いると、効果的なアクションを行うことが可能になり得る。
　特許文献１の解約予測システムは、顧客の利用明細データを用いて顧客を分類し、分類結果とリスティングルールを基に解約の恐れのある顧客のリストを表示する。
　特許文献２の顧客維持支援システムは、多種類の項目データを利用して、利用契約の継続を促すキャンペーンの効果が高い顧客グループを抽出する。
　特許文献３の営業活動支援装置は、顧客情報を用いて契約済みの顧客の解約確率を予測し、解約確率の低い顧客と傾向が一致する未顧客に対する営業活動計画を生成する。
　特許文献４の行動特性予測システムは、ユーザが通信または通話を行ったときの基地局の通信状態のログから、ユーザの解約に影響を与え得る特徴量を抽出する。特許文献４の行動特性予測システムは、抽出した特徴量と、ユーザの行動特性の関係を学習したモデルを用いて、通信状態のログから抽出する特徴量からユーザの行動特性を予測する。
特開２００２－３３４２００号公報 特開２００２－３６６７３２号公報 国際公開第２０１６／１９４６２８号 国際公開第２０１６／０１７０８６号
　しかしながら、特許文献１から４記載の技術では、予測結果の妥当性の判断が難しい場合がある。
　本発明は、通信回線の解約確率についての予測結果の妥当性の判断が容易になる解約予測システム等を提供することを目的とする。
　上記の課題を解決するため、本発明の解約予測システムは、通信回線の契約に関する情報を含む通信回線の利用状況のデータを取得する取得手段と、利用状況に基づき、通信回線の利用状況と通信回線の解約有無との関係を学習した解約予測モデルを用いて、取得した利用状況のデータに基づき通信回線の解約確率を予測する予測手段と、解約確率と、解約確率を予測した予測理由とを出力する出力手段とを備える。
　本発明の解約予測方法は、通信回線の契約に関する情報を含む通信回線の利用状況のデータを取得し、通信回線の利用状況と通信回線の解約有無との関係を学習した解約予測モデルを用いて、取得した利用状況のデータに基づき通信回線の解約確率を予測し、解約確率と、解約確率を予測した予測理由とを出力する。
　本発明のプログラム記録媒体は、通信回線の契約に関する情報を含む通信回線の利用状況のデータを取得する処理と、通信回線の利用状況と通信回線の解約有無との関係を学習した解約予測モデルを用いて、取得した利用状況のデータに基づき通信回線の解約確率を予測する処理と、解約確率と、解約確率を予測した予測理由とを出力する処理とをコンピュータに実行させる解約予測プログラムを記録する。
　本発明によると、通信回線の解約確率についての予測結果の妥当性の判断が容易になる。
本発明の第1の実施形態の構成の概要を示す図である。 本発明の第1の実施形態の解約予測システムの構成の例を示す図である。 本発明の第1の実施形態の解約予測システムの動作フローの例を示す図である。 本発明の第1の実施形態の表示画面の例を示す図である。 本発明の第1の実施形態の表示画面の例を示す図である。 本発明の第1の実施形態の解約予測システムの動作フローの例を示す図である。 本発明の第２の実施形態の構成の概要を示す図である。 本発明の第２の実施形態の解約予測システムの構成の例を示す図である。 本発明の第２の実施形態の解約予測システムの動作フローの例を示す図である。 本発明の第２の実施形態の表示画面の例を示す図である。 本発明の第２の実施形態の表示画面の例を示す図である。 本発明の第２の実施形態の表示画面の例を示す図である。 本発明の第２の実施形態の表示画面の例を示す図である。 本発明の第２の実施形態の表示画面の例を示す図である。 本発明の第２の実施形態の表示画面の例を示す図である。 本発明の第２の実施形態の表示画面の例を示す図である。 本発明の第２の実施形態の表示画面の例を示す図である。 本発明の第３の実施形態の解約予測システムの構成の例を示す図である。 本発明の第３の実施形態の解約予測システムの動作フローの例を示す図である。 本発明の実施形態の他の構成の例を示す図である。
　（第1の実施形態）
　本発明の第1の実施形態について図を参照して詳細に説明する。図１は、本実施形態の情報処理システムの構成の概要を示す図である。本実施形態の情報処理システムは、解約予測システム１０と、端末装置２０を備える。解約予測システム１０と、端末装置２０は、ネットワークを介して接続される。端末装置２０は、複数であってもよい。端末装置２０の数は、解約予測システム１０の利用者の数に応じて適宜、設定され得る。
　解約予測システム１０は、解約予測モデルを用いて通信回線の利用状況から、通信回線の解約確率を予測するシステムである。解約予測モデルは、通信回線の契約に関する情報を含む通信回線の利用状況と、通信回線の解約有無との関係を学習することによって生成される。通信回線の契約に関する情報は、例えば、通信回線の契約内容情報、および通信回線で使用される端末装置の情報である。通信回線の契約内容情報は、例えば、契約の期間および料金に関する条件である。
　解約予測モデルは、複数、設定されていてもよい。解約予測システム１０は、例えば、複数の通信回線を契約している企業についての解約予測と、個人についての解約予測とにおいて、それぞれ異なる解約予測モデルを用いて解約予測を行う。解約予測システム１０は、解約予測を行う対象ごとに異なる解約予測モデルを用いて、通信回線の解約確率を予測してもよい。解約予測に用いられる通信回線の利用状況のデータの項目は、解約予測モデルごとに設定されている。
　解約予測モデルは、予測理由が抽出可能な学習アルゴリズムを用いた学習モデルとして生成される。予測理由の抽出が可能な学習モデルの生成の例については、後で説明する。
　通信回線の利用状況として、例えば、通信量、通信回数、通話回数、通話時間、利用サービスまたはサービスの利用頻度のうち１つまたは複数の項目のデータが用いられる。また、通信回線の利用状況は、通信回線の契約に関する情報を含む。通信回線の利用状況のうち、通信回線の契約に関する情報には、例えば、端末情報と、契約内容情報に関する項目が含まれる。端末情報として、例えば、端末装置のメーカー、販売元、ブランド、機種、色、形態、仕様、付加機能、販売形態、発売時期、次モデルの発売時期またはモデル変更頻度のうち１つまたは複数の項目のデータが用いられる。契約内容情報として、例えば、契約者情報、契約プラン、契約回線数、料金プラン、契約期間、長期契約の契約期間、端末装置の利用期間または過去の端末交換頻度のうち１つまたは複数の項目のデータが用いられる。契約者情報として、契約者が個人の場合には、例えば、契約者の年齢、性別、職業、居住地または年収のうち１つまたは複数の項目のデータが用いられる。また、契約者情報として、契約者が複数の通信回線を契約する企業または団体である場合には、例えば、業種、事業形態、活動目的、業績、所属人数、拠点数、設立からの年数またはのうち１つまたは複数の項目のデータが用いられる。通信回線の契約に関する情報を含む通信回線の利用状況のデータには、上述した項目以外の項目のデータが含まれていてもよい。また、上記の各項目がさらに詳細な項目に分けられてもよい。
　解約予測システム１０の構成について説明する。図２は、解約予測システム１０の構成の例を示す図である。解約予測システム１０は、取得部１１と、予測部１２と、出力部１３と、予測モデル生成部１４と、記憶部１５を備える。
　取得部１１は、通信回線の契約に関する情報を含む通信回線の利用状況のデータを取得する。また、取得部１１は、予測部１２において複数種類の解約予測モデルが用いられる場合に、解約予測に用いる解約予測モデルの選択結果を取得してもよい。すなわち、解約予測モデルの選択結果が解約予測に用いる解約予測モデルの選択結果は、例えば、解約予測の対象の選択結果であってもよい。解約予測の対象の選択結果である場合には、解約予測の対象と、解約予測の対象に対して用いられる解約予測モデルとの対応があらかじめ設定されている。また、取得部１１は、通信回線の利用状況のデータと、通信回線の解約有無のデータを取得してもよい。通信回線の利用状況のデータおよび通信回線の解約有無のデータは、解約予測モデルの生成に用いられる。
　取得部１１は、端末装置２０から、通信回線の利用状況のデータ、通信回線の解約有無のデータ、および解約予測モデルの選択結果を取得する。通信回線の利用状況のデータ、通信回線の解約有無のデータ、および解約予測モデルの選択結果は、例えば、作業者の操作によって端末装置２０に入力される。取得部１１は、ネットワークを介して接続された契約管理サーバから通信回線の利用状況のデータと、通信回線の解約有無のデータを取得してもよい。また、通信回線の利用状況のデータ、通信回線の解約有無のデータ、解約予測モデルの選択結果は、作業者の操作によって解約予測システム１０に入力されてもよい。
　解約予測モデルは、解約予測の対象によらず一種類であってもよい。また、解約予測システム１０にアクセスしている端末装置２０または端末装置２０の利用者に応じて、解約予測に用いられる解約予測モデルがそれぞれ設定されていてもよい。解約予測の対象によらず一種類である場合には、取得部１１は、解約予測モデルの選択結果の取得を行わなくてもよい。
　予測部１２は、通信回線の利用状況と通信回線の解約有無との関係を学習した解約予測モデルを用いて、通信回線の利用状況のデータに基づき通信回線の解約確率を予測する。解約予測モデルは、予測モデル生成部１４で生成されたモデルでもよいし、解約予測システム１０の外部で生成されたモデルでもよい。解約予測モデルは、予測結果として解約確率の予測理由の出力が可能な学習アルゴリズムを用いて生成されたモデルである。
　予測部１２は、一種類の解約予測モデルを用いて通信回線の解約確率を予測してもよいし、複数種類の解約予測モデルからいずれか１つ以上の解約予測モデルを選択して用いることで通信回線の解約確率を予測してもよい。複数種類の解約予測モデルが用いられる場合、予測部１２は、例えば、取得部１１が取得した解約予測モデルの選択結果によって特定される解約予測モデルを用いて通信回線の解約確率を予測する。
　また、予測部１２は、例えば、複数の通信回線を契約しているグループを予測対象として解約予測モデルと、通信回線単位を予測対象とした解約予測モデルのいずれかを用いて、通信回線の利用状況のデータから解約確率を予測する。解約予測モデルは、３つ以上であってもよい。例えば、グループを予測対象として解約予測モデルが選択された場合に、予測部１２は、選択された解約予測モデルを用いて、同一の契約者によって契約されている通信回線を含む複数の通信回線それぞれの利用状況から通信回線ごとの解約確率を予測する。
　解約予測の対象によらず、一種類の解約予測モデルが用いられる場合、予測部１２は、当該解約予測モデルを用いて解約確率を予測する。端末装置２０または端末装置２０の利用者に応じて解約予測モデルが設定されている場合、予測部１２は、設定されている解約モデルを用いて解約確率を予測する。
　予測部１２は、通信回線の契約に関する情報を含む通信回線の利用状況のデータを入力データとして、解約予測モデルを用いて、通信回線の解約確率を予測することで解約予測を行う。通信回線の利用状況のデータのうち、通信回線の解約確率の予測に用いるデータの項目は、解約予測モデルごとに設定される。予測部１２は、通信回線の契約に関する情報として、例えば、契約において使用されている端末装置の利用期間、契約更新からの期間、または契約開始からの期間のうち少なくとも１つを入力データとして用いる。例えば、長期契約の契約期間、および代金の分割払いを行っている端末装置の利用期間は、契約継続の有無に及ぼす影響が大きい場合がある。そのため、予測部１２は、通信回線の契約に関する情報のうち、契約および端末装置に関する期間についての情報を用いると、解約確率の予測精度が向上し得る。
　予測部１２は、通信回線の解約確率を予測する際に、解約確率の予測理由を抽出する。予測部１２は、通信回線の利用状況のデータのうち、通信回線の解約確率に及ぼす影響が基準を満たす項目を予測理由として抽出する。予測部１２は、例えば、解約確率に及ぼす影響が他の項目よりも高い項目を予測理由として抽出する。予測部１２は、予測理由として複数の項目を抽出してもよい。予測部１２は、解約確率の値に対する影響が高い順に、あらかじめ設定された数の項目を予測理由として抽出してもよい。また、予測部１２は、解約確率の値に対する影響があらかじめ設定された基準以上の項目を予測理由として抽出してもよい。予測理由として抽出する際の基準は、適宜、設定され得る。
　出力部１３は、解約確率と、前記解約確率を予測した予測理由とを出力する。出力部１３は、予測部１２が解約予測モデルを用いて予測した解約確率と、解約確率の予測理由を予測結果として、例えば端末装置２０に出力する。出力部１３は、予測理由として、通信回線の利用状況のデータの各項目のうち、解約確率に及ぼす影響が基準を満たす項目を出力する。出力部１３は、解約予測システム１０に接続されている図示しない表示装置に、解約確率と、予測理由を表示するデータを出力してもよい。
　予測モデル生成部１４は、通信回線の利用状況と、通信回線の解約有無の関係を学習することによって解約予測モデルを生成する。解約予測モデルが複数種類ある場合に、予測モデル生成部１４は、例えば、解約予測の対象ごとに解約予測モデルを生成してもよい。予測モデル生成部１４は、生成した解約予測モデルを記憶部１５に保存する。
　予測モデル生成部１４は、予測結果として解約確率の予測理由の出力が可能な学習アルゴリズムを用いて解約予測モデルを生成する。
　予測モデル生成部１４は、例えば、因子化漸近ベイズ推論を基にした学習アルゴリズムを用いて解約予測モデルを生成する。因子化漸近ベイズ推論を基にした学習アルゴリズムを用いて学習を行う際に、予測モデル生成部１４は、通信回線の利用状況のデータを入力データ、解約の有無を正解データとして決定木形式のルールによって場合分けし、各場合で異なる説明変数を組み合わせた線形モデルで解約確率を予測する学習モデルを生成する。予測モデル生成部１４は、データの場合分け条件の最適化、説明変数の組み合わせの最適化のよる予測モデルの生成、および不要な予測モデルの削除の処理を順に行うことで学習モデルを生成する。このような学習モデルの生成方法は、異なる説明変数の組み合わせによる予測モデルを組み合わせて予測するため、異種混合学習と呼ばれる。異種混合学習によって解約予測モデルを生成することで、予測結果への影響が強い場合分けの条件を用いて解約確率の予測結果を説明することが可能になるため、予測結果の説明性が向上する。異種混合学習の手法は、例えば、米国特許出願公開第２０１４／０２２２７４１号明細書に開示されている。
　解約予測モデルの生成に用いる学習アルゴリズムは、上記の例に限られない。予測モデル生成部１４は、例えば、通信回線の利用状況のデータから解約確率を予測する学習モデルを、ニューラルネットワークを用いた深層学習によって生成してもよい。このような学習モデルを用いる際に、予測モデル生成部１４は、例えば、各項目のデータを変動させ、解約確率の値の変化量を基に、解約確率への影響の大きい項目を予測理由として抽出することで、解約確率の予測理由を出力する解約予測モデルを生成する。
　予測モデル生成部１４は、解約予測モデルの生成の完了の有無を判定する際に、生成した解約予測モデルの精度を検証する。予測モデル生成部１４は、例えば、検証用のデータを入力データとし、生成中の解約予測モデルを用いて解約確率を予測する。検証用のデータには、例えば、取得部１１によって取得された通信回線の利用状況のデータと解約有無のデータのうち、解約予測モデルの生成に用いられていないデータが用いられる。
　予測モデル生成部１４は、あらかじめ設定された基準以上の解約確率で、解約の有無を示すデータが解約を示している場合に、解約予測の結果が正解であると判定する。予測モデル生成部１４は、例えば、検証用データを入力データとして解約確率を予測し、正解率が基準以上の場合に、解約予測モデルの生成が完了した判定する。予測モデル生成部１４は、解約予測モデルの生成が完了したと判定した場合、解約予測モデルを学習済みの学習モデルとして、記憶部１５に保存する。
　予測モデル生成部１４は、予測を行った通信回線の利用状況と、解約有無の実績データの関係を再学習することによって解約予測モデルの更新を行ってもよい。予測モデル生成部１４は、再学習を行った場合に、再学習後の各パラメータを用いて記憶部１５が保存している解約予測モデルを更新する。
　記憶部１５は、解約予測に関する各データを保存する。記憶部１５は、取得部１１が取得した通信回線の利用状況のデータ、解約有無のデータおよび解約予測モデルの選択結果を保存する。記憶部１５は、予測部１２が予測した解約確率と、解約確率の予測理由とを予測結果として保存する。
　記憶部１５は、予測モデル生成部１４が生成した解約予測モデルを保存する。複数の解約予測モデルが生成される場合には、記憶部１５は、解約モデルそれぞれについて保存してもよい。また、解約予測の対象ごとに解約予測モデルが生成される場合には、記憶部１５は、解約予測モデルと、解約予測の対象とを関連づけて保存してもよい。
　端末装置２０は、解約予測システム１０から予測結果として取得する通信回線の解約確率と解約確率の予測理由とを、図示しない表示装置に表示する。端末装置２０は、解約予測の際に、作業者の操作によって入力される通信回線の利用状況のデータと、解約予測モデルの選択を受け付ける。また、端末装置２０は、解約予測モデルの生成の際に、作業者の操作によって入力される通信回線の利用状況のデータと、通信回線の解約有無のデータを受け付ける。端末装置２０は、解約予測の際に、解約予測システム１０に、通信回線の利用状況のデータと、解約予測モデルの選択結果を出力する。また、端末装置２０は、解約予測モデルの生成の際に、通信回線の利用状況のデータと、通信回線の解約有無のデータを出力する。
　解約予測の際の通信回線の利用状況のデータの入力と、解約予測モデルの生成の際の通信回線の利用状況のデータと解約有無のデータの入力は、それぞれ別の端末装置２０において行われてもよい。また、解約予測の際に、通信回線の利用状況のデータの入力と、予測結果である通信回線の解約確率および予測理由の表示は、それぞれ別の端末装置２０において行われてもよい。
　端末装置２０には、例えば、パーソナルコンピュータが用いられる。また、予測結果を表示する際の端末装置２０は、例えば、タブレット型コンピュータ、またはスマートフォンであってもよい。端末装置２０は、これらの例に限られない。
　本実施形態の情報処理システムにおいて通信回線の解約予測を行う際の動作について説明する。図３は、解約予測を行う際の解約予測システム１０の動作フローの例を示す図である。
　解約予測システム１０の取得部１１は、端末装置２０から解約予測の対象となる通信回線の利用状況のデータを取得する（ステップＳ１１）。通信回線の利用状況のデータは、例えば、作業者の操作によって端末装置２０に入力される。
　また、取得部１１は、端末装置２０から解約予測モデルの選択結果を取得する（ステップＳ１２）。解約予測モデルの選択結果は、例えば、作業者の操作によって端末装置２０に入力される。解約予測モデルが１つに定まっている場合には、取得部１１は、解約予測モデルの選択結果の取得を行わなくてもよい。このような場合には、予測部１２は、１つに定まっている解約予測モデルを用いて解約予測を行う。
　通信回線の利用状況のデータと、解約予測モデルの選択結果が取得されると、予測部１２は、記憶部１５から選択結果に応じた解約予測モデルを読み出す。解約予測を読み出すと、予測部１２は、通信回線の利用状況のデータを入力データとして、読み出した解約予測モデルを用いて通信回線の解約確率を予測する（ステップＳ１３）。
　解約確率を予測すると、予測部１２は、入力データとして用いた通信回線の利用状況のデータの各項目のうち、解約確率への影響が大きい項目を予測理由として抽出する。解約確率への影響が大きいとは、例えば、その項目の値が変動したときの解約確率の値の変化が他の項目よりも大きいことをいう。
　解約確率の予測と、予測理由の抽出が行われると、出力部１３は、端末装置２０に、通信回線の解約確率と、解約確率の予測理由を出力する（ステップＳ１４）。
　通信回線の解約確率と解約確率の予測理由を取得すると、端末装置２０は、表示装置に通信回線の解約確率と、解約確率の予測理由を表示する。
　図４は、通信回線の契約者が個人の場合に適用される解約予測モデルを用いて解約予測を行った場合における、各契約者の解約確率の予測結果の表示画面の例を示す図である。
　図４の例では、出力部１３は、通信回線の契約者を示す「契約者」、通信回線の解約確率を示す「解約確率」、および予測理由を示す「理由」の一覧を解約可能性リストとして出力する。端末装置２０は、取得したデータを基に、図４のような表示画面を表示する。図４の例では、出力部１３は、解約確率が高い契約者の順に解約確率と予測理由を示す解約可能性リストを予測結果として出力する。
　図５は、契約者が契約している各通信回線の解約確率と、解約確率の予測理由を示す表示画面の別の例を示す図である。図５は、複数の通信回線を契約している契約者について解約予測を行う場合に適用される解約予測モデルを用いた場合における例を示す。図５の例では、出力部１３は、通信回線に割り振られている電話番号を示す「電話番号」、通信回線の解約確率を示す「解約確率」、および解約確率の予測理由を示す「理由」の一覧を、「Ｍ社」が契約する通信回線に関する解約可能性リストとして出力する。
　出力部１３が出力する予測結果に基づく表示画面の例は、図４および図５の例には限られない。出力部１３は、例えば、各契約者が契約している通信回線についての平均の解約確率または解約確率が基準以上の通信回線の数を予測結果として出力してもよい。このような構成とする場合に、出力部１３は、各企業についての平均の解約確率または解約確率が基準以上の通信回線の数の一覧として予測結果を出力してもよい。
　解約予測モデルの生成の動作について説明する。図６は、解約予測モデルを生成する際の解約予測システム１０に動作フローの例を示す図である。
　解約予測システム１０の取得部１１は、解約予測モデルの生成に用いる、通信回線の利用状況のデータと、通信回線の解約有無のデータを取得する（ステップＳ２１）。
　通信回線の利用状況のデータと解約有無のデータを取得すると、予測モデル生成部１４は、通信回線の利用状況のデータと、通信回線の解約有無の関係を学習することによって解約予測モデルを生成する（ステップＳ２２）。予測モデル生成部１４は、例えば、異種混合学習によって解約予測モデルを生成する。
　解約予測モデルを生成すると、予測モデル生成部１４は、解約予測モデルの生成の完了の有無を判定する。予測モデル生成部１４は、解約予測モデルの生成の完了の有無を判定する際に、解約予測モデルの予測の精度を検証する。予測モデル生成部１４は、例えば、検証用のデータを入力データとし、解約予測モデルを用いて解約確率を計算する。検証用のデータは、取得部１１によって取得された通信回線の利用状況のデータと解約有無のデータのうち、解約予測モデルの生成に用いられていないデータが用いられる。
　予測モデル生成部１４は、解約予測モデルを用いて予測した解約確率の値があらかじめ設定された基準以上で、解約有無のデータが、通信回線が解約されていることを示す場合、解約予測の結果が正解であると判定する。予測モデル生成部１４は、解約予測の結果の正解率が基準を満たすかによって、解約予測モデルの生成の終了条件を満たしているかを判定する。解約予測モデルの精度が基準以上、すなわち解約予測の結果の正解率が基準以上の場合（ステップＳ２３でＹｅｓ)、予測モデル生成部１４は、学習済みの学習モデルとして解約予測モデルを記憶部１５に保存する（ステップＳ２４）。解約予測モデルの精度が基準未満の場合（ステップＳ２３でＮｏ)、予測モデル生成部１４は、ステップＳ２２に戻り、解約予測モデルの生成を継続する。
　本実施形態の解約予測システム１０は、通信回線の解約確率とともに、解約確率の予測理由を抽出し、解約確率と解約確率の予測理由を予測結果として出力する。通信回線の解約確率と、予測理由を出力することで、例えば、契約者に対して何らかのアクションを行う際に、通信回線の解約確率の予測結果の妥当性を判断しつつ、予測理由に応じたアクションを行うことができる。その結果、本実施形態の解約予測システム１０を用いることで、通信回線の解約確率についての予測結果の妥当性の判断が容易になる。
　また、本実施形態の解約予測システム１０は、予測対象に応じた解約予測モデルを用いて、通信回線の解約確率を予測する。例えば、解約予測システム１０は、予測対象が個人か、複数の回線を契約している企業または団体かによって異なる解約予測モデルを用いて解約予測を行う。このように、予測対象に応じた解約予測モデルを用いて予測を行った場合には、解約予測システム１０は、解約予測の精度を向上することができる。
　（第２の実施形態）
　本発明の第２の実施形態について図を参照して詳細に説明する。図７は、本実施形態の情報処理システムの構成の概要を示す図である。本実施形態の情報処理システムは、解約予測システム３０と、端末装置４０を備える。解約予測システム３０と、端末装置４０は、ネットワークを介して接続される。端末装置４０は、複数であってもよい。端末装置４０の数は、解約予測システム３０の利用者の数に応じて適宜、設定され得る。
　第１の実施形態の解約予測システム１０は、通信回線の解約確率と、解約確率の予測結果を出力する。これに対し、本実施形態の解約予測システム３０は、出力した予測結果の表示項目から、いずれかの項目の選択結果を取得し、選択された項目についてのデータをさらに出力する。
　解約予測システム３０の構成について説明する。図８は、解約予測システム３０の構成の例を示す図である。解約予測システム３０は、取得部３１と、予測部１２と、出力部３２と、予測モデル生成部１４と、記憶部１５を備えている。解約予測システム３０において、予測部１２、予測モデル生成部１４および記憶部１５の構成と機能は、第１の実施形態における解約予測モデルの同名称の構成要素と同様である。
　取得部３１は、第１の実施形態の取得部１１と同様の機能を有する。取得部３１は、取得部１１が有する機能に加え、端末装置４０における解約予測の予測結果の表示画面において選択される項目を選択結果として取得する。予測結果の表示画面において選択される項目は、表示画面にさらに詳細な表示を行う項目を示す。
　取得部３１は、端末装置４０から通信回線の利用状況のデータ、通信回線契約における解約の有無のデータ、解約予測モデルの選択結果、および表示画面において選択される項目を選択結果として取得する。通信回線の利用状況のデータ、通信回線契約における解約の有無のデータ、解約予測モデルの選択結果、および表示画面において選択される項目を選択結果は、例えば、作業者の操作によって端末装置４０に入力される。また、表示項目の選択結果は、作業者の操作によって端末装置４０に入力される。表示項目の選択結果は、作業者の操作によって解約予測システム３０に入力されてもよい。
　出力部３２は、第１の実施形態の出力部１３と同様の機能を有する。出力部３２は、出力部１３が有する機能に加え、取得部３１を介して取得する表示項目の選択結果に応じたデータを、端末装置４０に出力する。表示項目の選択結果は、端末装置４０における予測結果の出力画面において、作業者の操作によって選択された項目を示すデータである。
　端末装置４０は、第１の実施形態の端末装置２０と同様の機能を有する。端末装置４０は、端末装置２０が有する機能に加え、表示画面で選択される項目に関する表示データを表示する。端末装置４０は、解約予測システム３０から取得するデータを基に、表示画面で選択された項目に関する表示データを表示装置に表示する。端末装置４０は、作業者の操作によって入力される、表示画面のいずれかの項目の選択を選択結果として受け付ける。端末装置４０は、項目の選択結果を解約予測システム３０に送信する。
　端末装置４０には、例えば、パーソナルコンピュータが用いられる。また、予測結果を表示する際の端末装置４０は、例えば、タブレット型コンピュータ、またはスマートフォンであってもよい。端末装置４０は、これらの例に限られない。
　本実施形態の情報処理システムにおいて通信回線の解約予測を行う際の動作について説明する。図９は、解約予測を行う際の解約予測システム３０の動作フローの例を示す図である。
　解約予測システム３０の取得部３１は、端末装置４０から解約予測の対象となる通信回線の利用状況のデータを取得する（ステップＳ３１）。通信回線の利用状況のデータは、例えば、作業者の操作によって端末装置４０に入力される。
　また、取得部３１は、端末装置４０から解約予測モデルの選択結果を取得する（ステップＳ３２）。解約予測モデルの選択結果は、例えば、作業者の操作によって端末装置４０に入力される。
　通信回線の利用状況のデータと、解約予測モデルの選択結果が取得されると、予測部１２は、記憶部１５から選択結果に応じた解約予測モデルを読み出す。解約予測を読み出すと、予測部１２は、通信回線の利用状況のデータを入力データとして、読み出した解約予測モデルを用いて通信回線の解約確率を予測する（ステップＳ３３）。また、予測部１２は、入力データとして用いた通信回線の利用状況のデータの各項目のうち、解約確率への影響が大きい項目を予測理由として抽出する。
　解約確率の予測と、予測理由の抽出が行われると、出力部３２は、端末装置４０に、通信回線の解約確率と、解約の予測理由を出力する（ステップＳ３４）。また、端末装置４０は、出力するデータのうちさらに詳細なデータの出力が可能である項目の情報を、通信回線の解約確率と、解約の予測理由に付加して端末装置４０に出力する。
　通信回線の解約確率と解約確率の予測理由を取得すると、端末装置４０は、表示装置に通信回線の解約確率と解約確率の予測理由を表示する。また、端末装置４０は、さらに詳細なデータの表示が可能な項目について、項目の選択が可能なように表示する。項目の選択が可能とは、例えば、作業者がマウス操作によってクリックすることで選択可能なことをいう。項目の選択方法は、マウス操作によりクリックに限られず、適宜、設定し得る。
　図１０は、通信回線の契約者が個人の場合に適用される解約予測モデルを用いて解約予測を行った場合における、各契約者の解約確率の予測結果の表示画面の例を示す図である。図１０の例では、図４と同様に、通信回線の契約者を示す「契約者」、通信回線の解約確率を示す「解約確率」、および予測理由を示す「理由」の一覧が解約可能性リストとして表示されている。図１０の例では、解約確率が高い契約者の順に解約確率と予測理由が表示されている。
　図１０の例では、理由に示される各データが、例えば、マウス操作によってクリックすることで選択可能になっている。また、図１０の例において、下段には、「新規予測」と、「終了」の選択ボタンが配置されている。「新規予測」は、例えば、予測対象の変更または解約予測モデルを変更して解約予測を行う際に選択されるボタンである。また、「終了」は、解約予測を終了する際に選択されるボタンである。これらの設定ボタンは、解約予測システム３０の利用形態に応じて、設定され得る。また、以下の表示画面の例の図における「新規予測」と、「終了」の選択ボタンの機能は、図１０と同様である。
　ステップＳ３４の処理において、解約確率と解約確率の予測理由の画面が表示されているときに、表示画面において選択可能になっている項目からいずれかが作業者の操作によって選択されると、端末装置４０は、選択された項目のデータを選択結果として解約予測システム３０に出力する。
　この場合に、取得部３１は、端末装置４０から表示する画面の選択結果を取得する。表示する画面の選択結果が取得されると（ステップＳ３５でＹｅｓ）、出力部３２は、選択結果に応じたデータを端末装置４０に出力する（ステップＳ３６）。
　選択結果に応じたデータを取得すると、端末装置４０は、取得したデータを用いて選択結果に応じた表示画面を表示装置に表示する。
　図１１は、図１０の例において、「端末利用期間」が選択された場合の表示画面の例を示している。図１１の例では、「端末利用期間」が予測結果に最も影響が大きい契約者について、解約確率が高い順にリストとして表示されている。図１１の例において、出力部３２は、例えば、選択された予測理由である「端末利用期間」によって解約する確率が基準以上の通信回線について、解約確率を出力する
　図１０の例において、取得部３１を介して、「端末利用期間」が選択された選択結果を取得すると、出力部３２は、「端末利用期間」が予測結果に最も影響を与えている契約者のリストのデータを生成し、端末装置４０に出力する。端末装置４０は、解約予測システム３０から取得したデータを用いて、図１１に例として示す、「端末利用期間」が予測結果に最も影響を与えている契約者のリストを表示装置に表示する。図１１の下段に示す「戻る」の選択ボタンは、例えば、図１１に示す表示画面から図１０に示す表示画面に戻るときに選択される。
　選択結果に応じたデータを端末装置４０に出力後、解約予測の終了の指示を受け取ると（ステップＳ３７でＹｅｓ）、解約予測システム３０は、解約予測に関する動作を終了する。解約予測の終了の指示は、例えば、図１０において、作業者の操作によって「終了」のボタンが選択された際に、端末装置４０から解約予測システム３０に出力される。
　また、出力データの選択結果の入力が無く(ステップＳ３５でＮｏ)、解約予測の終了の指示を受け取った場合においても（ステップＳ３７でＹｅｓ）、解約予測システム３０は、解約予測に関する動作を終了する。
　ステップＳ３７で解約予測の終了の指示の入力がない場合（ステップＳ３７でＮｏ)、解約予測システムは、ステップＳ３４に戻り、表示画面の選択結果が入力されるまで待機する。
　解約予測システム３０における解約予測モデルの生成方法は、第１の実施形態の解約予測システム１０における解約予測モデルの生成方法と同様である。
　出力部３２における解約確率と解約確率の予測理由についての出力例をさらに説明する。出力部３２は、例えば、契約者ごとに、通信回線それぞれの解約確率を基にした集計値を予測結果として出力してもよい。契約者ごとの集計値には、例えば、契約者が契約している通信回線の解約確率の平均値、または、解約確率が基準以上の通信回線の数が用いられる。契約者ごとの集計値は、上記の例に限られない。
　図１２は、複数の通信回線を契約している契約者について解約予測を行う場合において、契約している回線の平均の解約確率が高い契約者のリストを表示する表示画面の例を示している。図１２の例では、通信回線を契約している企業の企業名を示す「契約企業」、および各企業が契約している回線の平均の解約確率を示す「平均解約確率」の一覧が解約可能性リストとして表示されている。図１２の例では、平均解約確率が高い企業順に一覧が生成されている。
　図１２の例では、契約企業の各企業名が、例えば、マウスでクリックすることで選択可能になっている。端末装置４０は、作業者の操作によって、いずれかの企業名がクリックされると、クリックされた企業名を選択結果として解約予測システム３０に出力する。
　図１３は、図１２の例においていずれかの企業が選択された場合において、選択された企業が契約している各回線の解約確率を一覧として表示する表示画面の例を示す図である。図１３の例では、図１２で選択された企業が契約している各回線の「電話番号」、回線ごとの解約確率の予測結果を示す「解約確率」と、解約確率への影響が大きい項目のデータを示す「解約要因」が表示されている。図１３の例では、「解約要因」として、「契約期間」、「更新時からの期間」および「端末利用期間」が示されている。
　図１２の例に示す表示画面が表示されている際に、取得部３１を介して、「端末利用期間」が選択された選択結果を取得すると、出力部３２は、「端末利用期間」が予測結果に最も影響を与えている契約者のデータを、端末装置４０に出力する。端末装置４０は、解約予測システム３０から取得したデータを用いて、図１３に例として示す、選択された企業における各回線の解約確率の一覧の表示画面を表示装置に表示する。
　図１４は、通信回線ごとの解約予測の予測結果と各項目のデータの一覧を表示する表示画面の例を示す図である。図１４の例では、各通信回線の契約者名を示す「契約者」、回線ごとの解約確率の予測結果を示す「解約確率」と、解約確率への影響が大きい項目のデータを示す「解約要因」が表示されている。図１４の例では、「解約要因」として、「契約期間」、「更新時からの期間」および「端末利用期間」が示されている。図１４の例に示す表示画面は、例えば、図１０の例に示す表示画面において、詳細の表示を選択するボタンを設定された場合において詳細の表示が選択された際に表示される。また、出力部３２は、図１０の例に示す表示画面用のデータに代えて、図１４の例に示す表示画面用のデータを予測結果として端末装置４０に出力してもよい。
　図１５は、解約確率への影響が大きい項目が強調表示された表示画面の例を示している。図１５は、図１４の例と同様の表示画面において、解約確率への影響が大きい項目が強調表示された表示画面の例を示している。図１５に示す表示画面を表示する際に、出力部３２は、解約要因の各項目のデータのうち解約確率への影響が大きい項目のデータに、解約確率への影響が大きいことを示す情報を付加して端末装置４０に出力する。端末装置４０は、解約確率への影響が大きいことを示す情報が付加された項目について、図１５のように強調した表示画面を表示装置に表示する。解約確率への影響が大きい項目を強調する表示は、例えば、表示枠内の色、表示枠の太さ、文字の色、文字の大きさ、文字の太さ、または文字のフォントを他の項目と異なる表示とすることで行われる。また、解約確率への影響が大きい項目を強調する表示は、複数の方法の組み合わせによって行われてもよい。また、解約確率への影響が大きい項目を強調する表示する方法は、上記の例に限られない。
　図１６は、解約要因とともに、契約が継続される要因を示す表示画面の例を示す図である。図１６の例では、各通信回線の契約者名を示す「契約者」、回線ごとの解約確率の予測結果を示す「解約確率」と、予測結果への影響が大きい項目を示す「解約要因」と、通信回線の契約の継続要因となる項目を示す「継続要因」が表示されている。
　継続要因として表示される項目は、例えば、解約要因が同様の傾向であった契約のうち、契約が継続された通信回線のデータを解析することであらかじ設定され、データテーブルとして保存されている。継続要因を示すデータテーブルでは、例えば、解約要因の項目ごとに、継続要因と他の項目の基準が対応するように設定されている。出力部３２は、予測結果の出力対象の通信回線について、解約要因と利用状況のデータに対応する継続要因をデータテーブルから抽出する。
　解約予測モデル生成が、解約確率とともに、解約されない確率、すなわち継続確率を予測できる学習アルゴリズムを用いて生成されたモデルである場合には、出力部３２は、継続確率に影響の大きい項目を継続要因として出力してもよい。出力部３２は、抽出した継続要因のデータを通信回線の解約確率と解約要因の情報に関連づけて端末装置４０に出力する。
　出力部３２は、解約確率が基準を満たす契約に対する推奨アクションを解約確率および予測理由と関連づけて出力してもよい。図１７は、解約確率が基準を満たす契約者への推奨アクションを表示する表示画面の例を示している。出力部３２は、例えば、解約確率が基準以上の契約に対する推奨アクションを、通信回線の解約確率および解約要因と関連づけて出力する。
　図１７の例では、各通信回線の契約者名を示す「契約者」、回線ごとの解約確率の予測結果を示す「解約確率」と、予測結果への影響が大きい項目を示す「解約要因」と、継続させるための推奨アクションを示す「推奨アクション」が示されている。
　推奨アクションとして表示される項目は、例えば、過去において、解約要因が同様の傾向の通信回線の契約者に対して行ったアクションのうち、契約が継続されたアクションを基にあらかじめ設定される。設定された項目は、データテーブルとして保存されている。推奨アクションを出力する場合に、出力部３２は、データテーブルを検索し、予測結果の出力の対象となる通信回線に対応する推奨アクションのデータを抽出する。推奨アクションを抽出すると、出力部３２は、抽出した推奨アクションを、通信回線の解約確率および解約要因と関連づけて端末装置４０に出力する。
　解約予測システム３０が端末装置４０にデータを出力することによって表示する表示画面の例は、上記に示す例に限られない。また、上記の各表示画面の構成は、適宜、組み合わせた構成としてもよい。
　本実施形態の情報処理システムの解約予測システム３０は、解約予測の出力画面において選択された結果に応じたデータを端末装置４０に出力する。このような構成とすることで、解約予測システム３０は、例えば、解約確率と予測理由のみを一覧として出力し、要求に応じてさらに詳細な項目を出力することで、全体の結果の把握と詳細なデータの確認の両方に対応することができる。また、表示する項目を切り替えて各情報を参照することで、解約予測システム３０の利用者は、通信回線の解約確率と解約の要因を適切に把握して、解約防止のアクションを行うことが可能になる。また、全体の結果の把握と詳細なデータの確認の両方に対応することで、解約予測システム３０は、通信回線の解約確率についての予測結果の妥当性の判断を容易にすることができる。
　（第３の実施形態）
　本発明の第３の実施形態について図を参照して詳細に説明する。図１８は、本実施形態の解約予測システム１００の構成の例を示す図である。
　解約予測システム１００は、取得部１０１と、予測部１０２と、出力部１０３を備える。取得部１０１は、通信回線の契約に関する情報を含む通信回線の利用状況のデータを取得する。予測部１０２は、通信回線の利用状況と通信回線の解約有無との関係を学習した解約予測モデルを用いて、取得した利用状況のデータに基づき通信回線の解約確率を予測する。出力部１０３は、解約確率と、解約確率を予測した予測理由とを出力する。
　第１の実施形態の取得部１１および第２の実施形態の取得部３１は、取得部１０１の一例である。また、取得部１０１は、取得手段の一態様である。第１の実施形態および第２の実施形態の予測部１２は、予測部１０２の一例である。予測部１０２は、予測手段の一態様である。第１の実施形態の出力部１３および第２の実施形態の出力部３２は、取得部１０１の一例である。また、出力部１０３は、出力手段の一態様である。
　解約予測システム１００の動作について説明する。図１９は、解約予測システム１００の動作フローの例を示す図である。
　取得部１０１は、通信回線の契約に関する情報を含む通信回線の利用状況のデータを取得する（ステップＳ１０１）。利用状況のデータが取得されると、予測部１０２は、通信回線の利用状況と通信回線の解約有無との関係を学習した解約予測モデルを用いて、取得した利用状況のデータに基づき通信回線の解約確率を予測する（ステップＳ１０２）。通信回線の解約確率が予測されると、出力部１０３は、解約確率と、解約確率を予測した予測理由とを出力する（ステップＳ１０３）。
　本実施形態の解約予測システム１００は、通信回線の契約に関する情報を含む通信回線の利用状況のデータから、解約予測モデルを用いて通信回線の解約確率を予測する。また、解約予測システム１００は、予測した解約確率と、解約確率を予測した予測理由とを出力する。解約予測システム１００を用いることで、通信回線の解約確率を予測理由とともに得ることが出来るので、通信回線の解約確率についての予測結果の妥当性の判断が容易になる。
　第１の実施形態の解約予測システム１０、第２の実施形態の解約予測システム３０、および第３の実施形態の解約予測システム１００における各処理は、コンピュータプログラムをコンピュータで実行することによって実現することができる。図２０は、第１の実施形態の解約予測システム１０、第２の実施形態の解約予測システム３０、および解約予測システム１００における各処理を行うコンピュータプログラムを実行するコンピュータ２００の構成の例を示したものである。コンピュータ２００は、ＣＰＵ（Central Processing Unit）２０１と、メモリ２０２と、記憶装置２０３と、入出力Ｉ／Ｆ（Interface）２０４と、通信Ｉ／Ｆ２０５を備える。
　ＣＰＵ２０１は、記憶装置２０３から各処理を行うコンピュータプログラムを読み出して実行する。ＣＰＵ２０１は、複数のＣＰＵの組み合わせによって構成されていてもよい。また、ＣＰＵ２０１は、ＣＰＵと他の種類のプロセッサの組み合わせによって構成されていてもよい。例えば、ＣＰＵ２０１は、ＣＰＵとＧＰＵ（Graphics Processing Unit）の組み合わせによって構成されていてもよい。メモリ２０２は、ＤＲＡＭ（Dynamic Random Access Memory）等によって構成され、ＣＰＵ２０１が実行するコンピュータプログラムや処理中のデータが一時記憶される。記憶装置２０３は、ＣＰＵ２０１が実行するコンピュータプログラムを記憶している。記憶装置２０３は、例えば、不揮発性の半導体記憶装置によって構成されている。記憶装置２０３には、ハードディスクドライブ等の他の記憶装置が用いられてもよい。入出力Ｉ／Ｆ２０４は、作業者からの入力の受付および表示データ等の出力を行うインタフェースである。通信Ｉ／Ｆ２０５は、端末装置または他の情報処理装置との間でデータの送受信を行うインタフェースである。また、第1の実施形態の端末装置２０、および第2の実施形態の端末装置４０も同様の構成とすることができる。
　第１の実施形態の解約予測システム１０、第２の実施形態の解約予測システム３０、および第３の実施形態の解約予測システム１００における各処理は、ネットワークを介して接続された複数のコンピュータにおいて行われてもよい。例えば、解約予測に関する処理と、解約予測モデルの生成に関する処理は、別のコンピュータ上で行われてもよい。また、解約予測モデルの生成と、再学習による解約予測モデルの生成は、別のコンピュータ上で行われてもよい。また、解約予測システム１０および解約予測システム３０の記憶部は、ネットワークを介して接続されたストレージ装置、またはネットワークを介して接続されたサーバが管理するストレージ装置が備えるようにしてもよい。
　各処理の実行に用いられるコンピュータプログラムは、記録媒体に格納して頒布することもできる。記録媒体としては、例えば、データ記録用磁気テープや、ハードディスクなどの磁気ディスクを用いることができる。また、記録媒体としては、ＣＤ-ＲＯＭ（Compact Disc Read Only Memory）等の光ディスクを用いることもできる。不揮発性の半導体記憶装置を記録媒体として用いてもよい。
　上記の実施形態の一部又は全部は、以下の付記のようにも記載されうるが、以下には限られない。
　［付記１］
　通信回線の契約に関する情報を含む前記通信回線の利用状況のデータを取得する取得手段と、
　通信回線の利用状況と前記通信回線の解約有無との関係を学習した解約予測モデルを用いて、取得した前記利用状況のデータに基づき前記通信回線の解約確率を予測する予測手段と、
　前記解約確率と、前記解約確率を予測した予測理由とを出力する出力手段と
　を備える解約予測システム。
　［付記２］
　前記出力手段は、前記予測理由を、前記利用状況のデータの各項目のうち、前記解約確率に及ぼす影響が基準を満たす項目を用いて出力する、
　付記１に記載の解約予測システム。
　［付記３］
　前記通信回線の契約に関する情報は、前記契約において使用されている端末装置の利用期間、契約更新からの期間、または契約開始からの期間のうち少なくとも１つである、
　付記１または２に記載の解約予測システム。
　［付記４］
　前記取得手段は、出力した前記予測理由から少なくとも１つを選択した結果を取得し、
　前記出力手段は、選択された前記予測理由によって解約する確率が基準以上の前記契約を出力する、
　付記１から３いずれかに記載の解約予測システム。
　［付記５］
　前記予測手段は、同一の契約者によって契約されている通信回線を含む複数の通信回線それぞれの前記利用状況から前記通信回線ごとの前記解約確率を予測し、
　前記出力手段は、前記契約者と関連付けて、前記解約確率と、前記予測理由を出力する、
　付記１から３いずれかに記載の解約予測システム。
　［付記６］
　前記出力手段は、前記契約者ごとに、通信回線それぞれの解約確率を基にした集計値を出力する、
　付記５に記載の解約予測システム。
　［付記７］
　前記取得手段は、出力した複数の前記契約者から少なくとも１つの契約者を選択した結果を取得し、
　前記出力手段は、選択された前記契約者が契約している前記通信回線の前記解約確率と、前記予測理由を出力する、
　付記６に記載の解約予測システム。
　［付記８］
　前記出力手段は、前記通信回線ごとに前記解約確率と、前記予測理由の各項目の値とを示すリストにおいて、前記解約確率への影響が基準を満たす項目を、他の項目より強調して出力する、
　付記１から７いずれかに記載の解約予測システム。
　［付記９］
　前記出力手段は、前記解約確率が基準を満たす前記契約に対する推奨アクションをさらに出力する
　付記１から８いずれかに記載の解約予測システム。
　［付記１０］
　前記予測手段は、複数の通信回線を契約しているグループ単位または通信回線単位のいずれかを前記解約確率の予測対象とし、前記予測対象に応じた前記解約予測モデルによって前記解約確率を予測する、
　付記１から９いずれかに記載の解約予測システム。
　［付記１１］
　前記利用状況と、通信回線の解約有無の関係を学習することによって前記解約予測モデルを生成する生成手段をさらに備える、
　付記１から１０いずれかに記載の解約予測システム。
　［付記１２］
　前記生成手段は、予測を行った前記通信回線の利用状況と、解約有無の実績データの関係を再学習することによって前記解約予測モデルを更新する、
　付記１１に記載の解約予測システム。
　［付記１３］
　通信回線の契約に関する情報を含む前記通信回線の利用状況のデータを取得し、
　通信回線の利用状況と前記通信回線の解約有無との関係を学習した解約予測モデルを用いて、取得した前記利用状況のデータに基づき前記通信回線の解約確率を予測し、
　前記解約確率と、前記解約確率を予測した予測理由とを出力する、
　解約予測方法。
　［付記１４］
　通信回線の契約に関する情報を含む前記通信回線の利用状況のデータを取得する処理と、
　通信回線の利用状況と前記通信回線の解約有無との関係を学習した解約予測モデルを用いて、取得した前記利用状況のデータに基づき前記通信回線の解約確率を予測する処理と、
　前記解約確率と、前記解約確率を予測した予測理由とを出力する処理と
　をコンピュータに実行させる解約予測プログラムを記録したプログラム記録媒体。
　以上、上述した実施形態を例として本発明を説明した。しかしながら、本発明は、上述した実施形態には限定されない。即ち、本発明は、本発明のスコープ内において、当業者が理解し得る様々な態様を適用することができる。
　１０　　解約予測システム
　１１　　取得部
　１２　　予測部
　１３　　出力部
　１４　　予測モデル生成部
　１５　　記憶部
　２０　　端末装置
　３０　　解約予測システム
　３１　　取得部
　３２　　出力部
　４０　　端末装置
　１００　　解約予測システム
　１０１　　取得部
　１０２　　予測部
　１０３　　出力部
　２００　　コンピュータ
　２０１　　ＣＰＵ
　２０２　　メモリ
　２０３　　記憶装置
　２０４　　入出力Ｉ／Ｆ
　２０５　　通信Ｉ／Ｆ

Claims (14)

  1. 　通信回線の契約に関する情報を含む前記通信回線の利用状況のデータを取得する取得手段と、
    　通信回線の利用状況と前記通信回線の解約有無との関係を学習した解約予測モデルを用いて、取得した前記利用状況のデータに基づき前記通信回線の解約確率を予測する予測手段と、
    　前記解約確率と、前記解約確率を予測した予測理由とを出力する出力手段と
    　を備える解約予測システム。
  2. 　前記出力手段は、前記予測理由を、前記利用状況のデータの各項目のうち、前記解約確率に及ぼす影響が基準を満たす項目を用いて出力する、
    　請求項１に記載の解約予測システム。
  3. 　前記通信回線の契約に関する情報は、前記契約において使用されている端末装置の利用期間、契約更新からの期間、または契約開始からの期間のうち少なくとも１つである、
    　請求項１または２に記載の解約予測システム。
  4. 　前記取得手段は、出力した前記予測理由から少なくとも１つを選択した結果を取得し、
    　前記出力手段は、選択された前記予測理由によって解約する確率が基準以上の前記契約を出力する、
    　請求項１から３いずれかに記載の解約予測システム。
  5. 　前記予測手段は、同一の契約者によって契約されている通信回線を含む複数の通信回線それぞれの前記利用状況から前記通信回線ごとの前記解約確率を予測し、
    　前記出力手段は、前記契約者と関連付けて、前記解約確率と、前記予測理由を出力する、
    　請求項１から３いずれかに記載の解約予測システム。
  6. 　前記出力手段は、前記契約者ごとに、通信回線それぞれの解約確率を基にした集計値を出力する、
    　請求項５に記載の解約予測システム。
  7. 　前記取得手段は、出力した複数の前記契約者から少なくとも１つの契約者を選択した結果を取得し、
    　前記出力手段は、選択された前記契約者が契約している前記通信回線の前記解約確率と、前記予測理由を出力する、
    　請求項６に記載の解約予測システム。
  8. 　前記出力手段は、前記通信回線ごとに前記解約確率と、前記予測理由の各項目の値とを示す一覧において、前記解約確率への影響が基準を満たす項目を、他の項目より強調して出力する、
    　請求項１から７いずれかに記載の解約予測システム。
  9. 　前記出力手段は、前記解約確率が基準を満たす前記契約に対する推奨アクションをさらに出力する
    　請求項１から８いずれかに記載の解約予測システム。
  10. 　前記予測手段は、複数の通信回線を契約しているグループ単位または通信回線単位のいずれかを前記解約確率の予測対象とし、前記予測対象に応じた前記解約予測モデルによって前記解約確率を予測する、
    　請求項１から９いずれかに記載の解約予測システム。
  11. 　前記利用状況と、通信回線の解約有無の関係を学習することによって前記解約予測モデルを生成する生成手段をさらに備える、
    　請求項１から１０いずれかに記載の解約予測システム。
  12. 　前記生成手段は、予測を行った前記通信回線の前記利用状況と、解約有無の実績データの関係を再学習することによって前記解約予測モデルを更新する、
    　請求項１１に記載の解約予測システム。
  13. 　通信回線の契約に関する情報を含む前記通信回線の利用状況のデータを取得し、
    　通信回線の利用状況と前記通信回線の解約有無との関係を学習した解約予測モデルを用いて、取得した前記利用状況のデータに基づき前記通信回線の解約確率を予測し、
    　前記解約確率と、前記解約確率を予測した予測理由とを出力する、
    　解約予測方法。
  14. 　通信回線の契約に関する情報を含む前記通信回線の利用状況のデータを取得する処理と、
    　通信回線の利用状況と前記通信回線の解約有無との関係を学習した解約予測モデルを用いて、取得した前記利用状況のデータに基づき前記通信回線の解約確率を予測する処理と、
    　前記解約確率と、前記解約確率を予測した予測理由とを出力する処理と
    　をコンピュータに実行させる解約予測プログラムを記録したプログラム記録媒体。
PCT/JP2021/034966 2021-09-24 2021-09-24 解約予測システム、解約予測方法およびプログラム記録媒体 WO2023047511A1 (ja)

Priority Applications (2)

Application Number Priority Date Filing Date Title
JP2023549239A JPWO2023047511A5 (ja) 2021-09-24 解約予測システム、解約予測方法および解約予測プログラム
PCT/JP2021/034966 WO2023047511A1 (ja) 2021-09-24 2021-09-24 解約予測システム、解約予測方法およびプログラム記録媒体

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2021/034966 WO2023047511A1 (ja) 2021-09-24 2021-09-24 解約予測システム、解約予測方法およびプログラム記録媒体

Publications (1)

Publication Number Publication Date
WO2023047511A1 true WO2023047511A1 (ja) 2023-03-30

Family

ID=85719365

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2021/034966 WO2023047511A1 (ja) 2021-09-24 2021-09-24 解約予測システム、解約予測方法およびプログラム記録媒体

Country Status (1)

Country Link
WO (1) WO2023047511A1 (ja)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002334200A (ja) * 2001-05-11 2002-11-22 Ntt Data Corp 解約予測支援方法及びシステム
WO2016017086A1 (ja) * 2014-07-31 2016-02-04 日本電気株式会社 行動特性予測システム、行動特性予測器、方法およびプログラム
JP2018045412A (ja) * 2016-09-14 2018-03-22 ヤフー株式会社 生成装置、生成方法、及び生成プログラム
JP2019079302A (ja) * 2017-10-25 2019-05-23 日本電気株式会社 営業活動支援システム、営業活動支援方法および営業活動支援プログラム
JP2020173742A (ja) * 2019-04-15 2020-10-22 株式会社三菱総合研究所 情報処理装置、情報処理方法及びプログラム
JP2021064406A (ja) * 2015-05-29 2021-04-22 日本電気株式会社 営業活動支援装置及び営業活動支援方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002334200A (ja) * 2001-05-11 2002-11-22 Ntt Data Corp 解約予測支援方法及びシステム
WO2016017086A1 (ja) * 2014-07-31 2016-02-04 日本電気株式会社 行動特性予測システム、行動特性予測器、方法およびプログラム
JP2021064406A (ja) * 2015-05-29 2021-04-22 日本電気株式会社 営業活動支援装置及び営業活動支援方法
JP2018045412A (ja) * 2016-09-14 2018-03-22 ヤフー株式会社 生成装置、生成方法、及び生成プログラム
JP2019079302A (ja) * 2017-10-25 2019-05-23 日本電気株式会社 営業活動支援システム、営業活動支援方法および営業活動支援プログラム
JP2020173742A (ja) * 2019-04-15 2020-10-22 株式会社三菱総合研究所 情報処理装置、情報処理方法及びプログラム

Also Published As

Publication number Publication date
JPWO2023047511A1 (ja) 2023-03-30

Similar Documents

Publication Publication Date Title
US11451668B2 (en) Customer journey management
USRE48550E1 (en) Use of abstracted data in pattern matching system
CN102017591B (zh) 无序地从呼叫者集路由呼叫者
US9224147B2 (en) Customer service management system
US8468061B2 (en) CRM system for enhanced retention of customers
AU2006236095C1 (en) System and method for analyzing customer profitability
KR100751968B1 (ko) 고객 수입 예측 방법 및 시스템
US20040044585A1 (en) Customer service management system
US20040073569A1 (en) System and method for integrating a personal adaptive agent
US11715144B2 (en) Dynamic ranking of recommendation pairings
JP4928962B2 (ja) コール量を予測する方法
US20160210656A1 (en) System for marketing touchpoint attribution bias correction
WO2016194628A1 (ja) 解約予測を用いた営業活動支援装置及び営業活動支援方法
US11373232B2 (en) Dynamic ranking of recommendation pairings
CN1987913A (zh) 以专家系统推荐解决方案的方法和系统
JP6906810B2 (ja) 営業支援装置、プログラム、及び営業支援方法
US20200167634A1 (en) Machine learning based approach for identification of extremely rare events in high-dimensional space
JP6978582B2 (ja) 予測業務支援装置および予測業務支援方法
JP2008083819A (ja) 応対者情報出力プログラム、応対者情報出力方法および応対者情報出力装置
US20210201335A1 (en) Customer experience rating system and method
EP2110780A1 (en) System and method for analyzing customer profitability
WO2023047511A1 (ja) 解約予測システム、解約予測方法およびプログラム記録媒体
JP2002083110A (ja) 顧客行動パターンの予測を支援する方法、及びこれを用いたマーケティング支援システム
CN110033292A (zh) 信息输出方法和装置
JP2022049467A (ja) 営業支援装置、プログラム、及び営業支援方法

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 21958387

Country of ref document: EP

Kind code of ref document: A1

WWE Wipo information: entry into national phase

Ref document number: 2023549239

Country of ref document: JP

NENP Non-entry into the national phase

Ref country code: DE