Giới thiệu dự án

Trong kỷ nguyên chuyển đổi số và bùng nổ của cách mạng công nghiệp 4.0, ngành viễn thông đối mặt với sự cạnh tranh gay gắt khi rào cản chuyển đổi mạng của người dùng ngày càng thấp. Theo các nghiên cứu thị trường viễn thông quốc tế, chi phí để thu hút một khách hàng mới (Customer Acquisition Cost - CAC) cao gấp 5 đến 7 lần so với chi phí duy trì một khách hàng hiện hữu. Do đó, bài toán quản trị và tối ưu hóa tỷ lệ rời bỏ (Customer Churn Rate) trở thành chiến lược sống còn đối với các nhà mạng viễn thông.

Đề tài "Đọc hiểu một số mô hình học máy và thử nghiệm xử lý dữ liệu về trạng thái khách hàng rời bỏ dịch vụ viễn thông" (Chuyên ngành Toán Kinh tế, Trường Đại học Kinh tế Quốc dân) giải quyết bài toán cốt lõi: Làm thế nào để vừa phân loại chính xác nhóm khách hàng có nguy cơ rời mạng, vừa ước lượng được khoảng thời gian sống sót (survival time) và thời điểm khách hàng hủy dịch vụ nhằm triển khai can thiệp kịp thời.

                    +------------------------------------------+
                    |  TẬP DỮ LIỆU TELCO CHURN (7,043 RECORDS)  |
                    +------------------------------------------+
                                         |
                     +-------------------+-------------------+
                     |                                       |
                     v                                       v
        +-------------------------+             +-------------------------+
        |   LOGISTIC REGRESSION   |             |   COX PROPORTIONAL      |
        |     CLASSIFICATION      |             |        HAZARDS          |
        +-------------------------+             +-------------------------+
                     |                                       |
                     v                                       v
         Xác suất rời bỏ p(x)                  Tỷ lệ rủi ro h(t|x) &
         Ngưỡng Cutoff tối ưu = 0.42           Thời gian sống sót S(t)
                     |                                       |
                     +-------------------+-------------------+
                                         |
                                         v
                    +------------------------------------------+
                    |    ƯỚC TÍNH GIÁ TRỊ VÒNG ĐỜI CÒN LẠI     |
                    |    & CHIẾN LƯỢC CSKH CÁ THỂ HÓA (CRM)   |
                    +------------------------------------------+

Mục tiêu dự án

  1. Xác định và trích xuất các yếu tố trọng yếu tác động trực tiếp đến quyết định rời mạng từ bộ dữ liệu viễn thông chuẩn hóa (7,043 quan sát, 21 biến số).
  2. Xây dựng mô hình phân loại nhị phân (Binary Classification) sử dụng Hồi quy Logistic (Logistic Regression) để dự báo xác suất rời bỏ và xác định ngưỡng phân định tối ưu (Cut-off Threshold).
  3. Phát triển mô hình Phân tích sống sót (Survival Analysis) bằng kỹ thuật Cox Proportional-Hazards (Cox PH) và đường cong sống sót Kaplan-Meier nhằm ước tính rủi ro tức thời (Hazard Ratio) và thời gian gắn bó (Tenure) còn lại của thuê bao.
  4. Định lượng giá trị kinh tế còn lại (Remaining Lifetime Value) của từng thuê bao phục vụ việc tối ưu hóa ngân sách tiếp thị giữ chân (Retention Campaign).

Phạm vi và giới hạn nghiên cứu

  • Phạm vi dữ liệu: Bộ dữ liệu Telco Customer Churn (California, Quý 3/2019) bao gồm thông tin nhân khẩu học, dịch vụ viễn thông đã đăng ký và hành vi tài chính/hợp đồng.
  • Giới hạn kỹ thuật: Dữ liệu dạng bảng tĩnh (cross-sectional snapshot) chưa tích hợp các chuỗi thời gian thực (real-time telemetry) và nhật ký cuộc gọi chi tiết (Call Detail Records - CDR).

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Các doanh nghiệp viễn thông truyền thống thường phân tích khách hàng rời mạng theo ba hướng chính:

Phương pháp Ưu điểm Nhược điểm Khả năng ứng dụng thực tế
Quy tắc thủ công (Rule-based Heuristics) Đơn giản, dễ giải thích, không yêu cầu năng lực tính toán cao. Độ chính xác thấp, không thích ứng được với dữ liệu phức tạp, bỏ sót nhiều tương quan phi tuyến. Thấp – Chỉ phù hợp với hệ thống CRM sơ khai.
Phân loại nhị phân tiêu chuẩn (Binary Classification) Phân định chính xác nhóm rời bỏ/ở lại (Yes/No), dễ đánh giá bằng ROC-AUC. Chỉ trả lời câu hỏi "khách hàng có rời đi không", hoàn toàn bỏ qua yếu tố thời gian "khi nào khách hàng rời đi". Trung bình – Thiếu dữ kiện lập kế hoạch can thiệp theo thời gian.
Phân tích kết hợp Logistic & Cox PH (Đề xuất) Vừa dự báo xác suất rời mạng, vừa định lượng hàm thời gian sống sót và tính toán giá trị doanh thu còn lại. Đòi hỏi xử lý dữ liệu kiểm duyệt (Censored data) và kiểm tra chặt chẽ giả định tỷ lệ rủi ro đồng nhất. Rất cao – Cung cấp góc nhìn toàn diện cho chiến lược CRM chủ động.

Phân loại yêu cầu hệ thống theo mô hình MoSCoW

  • Must have: Làm sạch dữ liệu, mã hóa biến phân loại (One-Hot Encoding), chuẩn hóa biến liên tục (StandardScaler), huấn luyện mô hình Logistic Regression và Cox PH, tính toán Confusion Matrix, ROC-AUC, Hazard Ratio.
  • Should have: Tìm ngưỡng Cut-off tối ưu dựa trên giao điểm Precision - Recall; ước lượng đường cong Kaplan-Meier theo từng nhóm hợp đồng.
  • Could have: Tự động tính toán Remaining Customer Lifetime Value dựa trên phí hàng tháng (MonthlyCharges) và tuổi thọ dự báo.
  • Won't have (lần này): Triển khai mô hình học sâu (Deep Learning/DeepSurv) hoặc tích hợp streaming pipeline thời gian thực.

Thiết kế hệ thống

Hệ thống xử lý và mô hình hóa dữ liệu được thiết kế thành một pipeline thống nhất:

[Dữ liệu thô: 7,043 rows x 21 cols]
       |
       v
[Tiền xử lý: Ép kiểu TotalCharges, Impute NaN, Chuẩn hóa tenure/charges]
       |
       +------------------------------------+
       |                                    |
       v                                    v
[Tập Train (80% ~ 5,634)]            [Tập Test (20% ~ 1,409)]
       |                                    |
       v                                    v
[Huấn luyện Logistic Regression]     [Kiểm thử & Đánh giá Metric]
       |                                    |
       v                                    v
[Huấn luyện Cox PH & Kaplan-Meier]   [Ước lượng Remaining Value]

Technology Stack và Môi trường thực thi

  • Ngôn ngữ lập trình: Python 3.10.x
  • Thư viện xử lý dữ liệu: Pandas 2.0.3, NumPy 1.24.3
  • Thư viện Machine Learning & Thống kê: Scikit-Learn 1.2.2, Statsmodels 0.14.0
  • Thư viện Survival Analysis: Lifelines 0.27.7
  • Thư viện Trực quan hóa: Matplotlib 3.7.1, Seaborn 0.12.2

Cấu trúc dữ liệu đầu vào (Data Schema)

Bộ dữ liệu gồm 7,043 quan sát với 21 trường thuộc 3 nhóm chính:

  1. Thông tin nhân khẩu học (Demographics): gender, SeniorCitizen (0/1), Partner (Yes/No), Dependents (Yes/No).
  2. Thông tin dịch vụ đăng ký (Services): PhoneService, MultipleLines, InternetService (DSL/Fiber optic/No), OnlineSecurity, OnlineBackup, DeviceProtection, TechSupport, StreamingTV, StreamingMovies.
  3. Thông tin tài khoản và thanh toán (Account & Billing): tenure (số tháng sử dụng), Contract (Month-to-month/One year/Two year), PaperlessBilling (Yes/No), PaymentMethod (Electronic check, Mailed check, Bank transfer, Credit card), MonthlyCharges, TotalCharges, Churn (Biến mục tiêu: Yes/No).

Methodology

Quy trình nghiên cứu áp dụng phương pháp luận khoa học dữ liệu chuẩn CRISP-DM kết hợp mô hình Agile lặp từng giai đoạn:

+-----------------------------------------------------------------------------+
| Giai đoạn 1: Data Ingestion & Preprocessing (Tuần 1-2)                      |
| Milestone: Bộ dữ liệu sạch, xử lý Missing Data, One-Hot & Scaling           |
+-----------------------------------------------------------------------------+
                                       |
                                       v
+-----------------------------------------------------------------------------+
| Giai đoạn 2: Khai phá & Phân tích Đa biến EDA (Tuần 3)                      |
| Milestone: Heatmap tương quan Pearson, Ma trận VIF, Phân phối Churn         |
+-----------------------------------------------------------------------------+
                                       |
                                       v
+-----------------------------------------------------------------------------+
| Giai đoạn 3: Huấn luyện Mô hình Hồi quy Logistic & Cox PH (Tuần 4-5)        |
| Milestone: Bảng hồi quy MLE, p-value < 0.05, Hazard Ratios, Kaplan-Meier    |
+-----------------------------------------------------------------------------+
                                       |
                                       v
+-----------------------------------------------------------------------------+
| Giai đoạn 4: Đánh giá, Tối ưu hóa & Đề xuất Ứng dụng CRM (Tuần 6)          |
| Milestone: Cut-off 0.42, Accuracy 77.96%, Recall 58.93%, Remaining Value    |
+-----------------------------------------------------------------------------+

Implementation và kết quả

Development process

1. Tiền xử lý dữ liệu và Xử lý Đa cộng tuyến

  • Trường customerID được loại bỏ do không mang giá trị dự báo.
  • Biến TotalCharges có 11 giá trị khuyết thiếu (NaN) do các thuê bao mới có tenure = 0. Các bản ghi này được loại bỏ/điền giá trị trung bình, đồng thời ép kiểu từ object sang float64.
  • Chuẩn hóa các biến định lượng (tenure, MonthlyCharges, TotalCharges) về phân phối chuẩn $N(0, 1)$ bằng StandardScaler.
  • Loại bỏ các biến có $p\text{-value} > 0.05$ trong bước lựa chọn đặc trưng bằng phương pháp Wald Test/Likelihood Ratio Test.
import pandas as pd
import numpy as np
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler
from lifelines import CoxPHFitter, KaplanMeierFitter

# 1. Làm sạch và chuẩn bị dữ liệu
def preprocess_telco_data(df: pd.DataFrame):
    df = df.copy()
    df.drop(columns=['customerID'], inplace=True, errors='ignore')
    df['TotalCharges'] = pd.to_numeric(df['TotalCharges'], errors='coerce')
    df.dropna(subset=['TotalCharges'], inplace=True)
    
    # Mã hóa nhị phân cho biến mục tiêu
    df['Churn'] = df['Churn'].map({'Yes': 1, 'No': 0})
    
    # Biến đổi biến giả (One-hot encoding)
    cat_cols = df.select_dtypes(include=['object']).columns
    df_encoded = pd.get_dummies(df, columns=cat_cols, drop_first=True)
    
    return df_encoded

# 2. Phân chia tập dữ liệu 80/20
df_clean = preprocess_telco_data(raw_data)
X = df_clean.drop(columns=['Churn'])
y = df_clean['Churn']
X_train, X_test, y_train, y_test = train_test_split(
    X, y, test_size=0.20, random_state=42, stratify=y
)

2. Cơ sở toán học của các mô hình

Mô hình Hồi quy Logistic (Logistic Regression): Xác suất rời mạng của khách hàng thứ $i$ với vector đặc trưng $x_i$ được biểu diễn qua hàm Sigmoid: $$p_i(x) = P(Y_i = 1 | X = x_i) = \frac{e^{\alpha + \beta_1 x_{i1} + \beta_2 x_{i2} + \dots + \beta_p x_{ip}}}{1 + e^{\alpha + \beta_1 x_{i1} + \beta_2 x_{i2} + \dots + \beta_p x_{ip}}}$$ Hàm Logit tuyến tính: $$\text{logit}(p) = \ln\left(\frac{p}{1-p}\right) = \alpha + \sum_{j=1}^{p} \beta_j X_j$$ Các hệ số $\beta_j$ được ước lượng bằng phương pháp hợp lý cực đại (Maximum Likelihood Estimation - MLE). Tỷ số số chênh (Odds Ratio - OR) của biến $X_j$ là $OR = e^{\beta_j}$.

Mô hình Rủi ro Tỷ lệ Cox (Cox Proportional-Hazards): Hàm rủi ro tức thời tại thời điểm $t$ cho một thuê bao có vector đặc trưng $X = (x_1, x_2, \dots, x_p)$: $$h(t|X) = h_0(t) \cdot \exp\left(\sum_{j=1}^p \beta_j x_j\right)$$ Trong đó $h_0(t)$ là hàm rủi ro cơ sở (baseline hazard). Tỷ số rủi ro (Hazard Ratio - HR): $$HR = \frac{h(t|X^)}{h(t|X)} = \exp\left(\beta_j (x_j^ - x_j)\right)$$

  • Nếu $\beta_j > 0 \implies HR > 1$: Biến làm tăng nguy cơ rời bỏ, giảm thời gian sống sót.
  • Nếu $\beta_j < 0 \implies HR < 1$: Biến có tác dụng bảo vệ, giảm nguy cơ rời bỏ, kéo dài thời gian sống sót.
# Huấn luyện mô hình Cox Proportional-Hazards
cph = CoxPHFitter(penalizer=0.01)
cph.fit(
    df_train_survival, 
    duration_col='tenure', 
    event_col='Churn', 
    show_progress=False
)
cph.print_summary()

Testing và validation

Hiệu năng của mô hình Logistic Regression được kiểm thử trên tập Test độc lập (20% dữ liệu, tương đương 1,409 khách hàng) với ma trận nhầm lẫn (Confusion Matrix):

Trạng thái thực tế \ Dự báo Dự báo Không rời bỏ (Class 0) Dự báo Rời bỏ (Class 1) Tổng thực tế
Thực tế Không rời bỏ (Actual No) $TN = 905$ $FP = 130$ 1,035
Thực tế Rời bỏ (Actual Yes) $FN = 154$ $TP = 220$ 374
Tổng dự báo 1,059 350 1,409

Các chỉ số hiệu năng đạt được trên tập Test

  • Accuracy (Độ chính xác tổng thể): $77.96%$
  • Recall / Sensitivity (Độ nhạy trên lớp Churn): $58.93%$ (Mô hình phát hiện được gần $59%$ lượng khách hàng thực sự rời mạng).
  • True Negative Rate / Specificity: $87.44%$ (Dự đoán chính xác nhóm khách hàng trung thành).
  • Precision (Độ chuẩn xác): $62.86%$ (Khi mô hình cảnh báo một khách hàng sắp rời đi, xác suất chính xác là $62.86%$).
  • Ngưỡng Cut-off tối ưu: $0.42$ (Xác định tại giao điểm cân bằng giữa đường Precision và Recall curve, thay thế cho ngưỡng mặc định $0.5$).
                      ĐƯỜNG CONG ROC VÀ ĐIỂM CUT-OFF TỐI ƯU
   TPR (Sensitivity)
   1.0 |                    .---* (Cut-off = 0.42)
       |                .--'    
   0.8 |             .-'        
       |          .-'           
   0.6 |        .'              
       |      .'                AUC = 0.84
   0.4 |    .'                  
       |  .'                    
   0.2 | /                      
       |/                       
   0.0 +--------------------------------- FPR (1 - Specificity)
       0.0   0.2   0.4   0.6   0.8   1.0

Kết quả đạt được

1. Hệ số trọng yếu từ mô hình Hồi quy Logistic

  • Hợp đồng theo tháng (Contract Month-to-month): $\beta > 0$, tỷ số Odds $OR = 2.68$ ($e^{0.988}$) – Khách hàng ký hợp đồng từng tháng có rủi ro rời bỏ cao gấp 2.68 lần so với nhóm ký hợp đồng dài hạn.
  • Dịch vụ Cáp quang (InternetService_Fiber optic): Có tỷ lệ rời bỏ cao hơn nhóm sử dụng DSL do chi phí hàng tháng (MonthlyCharges) cao vượt trội và độ nhạy cảm về giá.
  • Dịch vụ hỗ trợ & bảo mật (TechSupport_Yes, OnlineSecurity_Yes): Có hệ số $\beta < 0$ với độ tin cậy $p < 0.001$, chứng minh rằng thuê bao sử dụng các gói dịch vụ gia tăng này có xu hướng gắn bó vượt trội.

2. Kết quả từ mô hình Phân tích sống sót Cox PH

Kết quả ước lượng trên 5,634 quan sát với 1,482 sự kiện rời mạng:

Tên biến Hệ số $\beta$ (coef) Tỷ số rủi ro $HR = \exp(\beta)$ $p$-value Ý nghĩa thống kê & Tác động
Partner_Yes $-0.216$ $0.806$ $< 0.01$ Có bạn đời giúp giảm 19.4% rủi ro rời mạng ($1 - 0.806$), tỷ lệ gắn bó tăng $24.1%$.
Contract_One year $-0.966$ $0.381$ $< 0.001$ Ký hợp đồng 1 năm giúp giảm 61.9% nguy cơ rời mạng.
Contract_Two year $-1.927$ $0.146$ $< 0.001$ Ký hợp đồng 2 năm giúp giảm 85.4% nguy cơ rời mạng.
Payment_Electronic check $+0.395$ $1.484$ $< 0.001$ Thanh toán bằng séc điện tử làm tăng 48.4% rủi ro hủy dịch vụ.
TotalCharges $-0.0007$ $0.999$ $< 0.001$ Tổng cước lũy kế càng cao, xác suất giữ chân càng lớn.

3. Đường cong Kaplan-Meier và Giá trị vòng đời còn lại

Đường cong sống sót Kaplan-Meier chỉ ra rằng:

  • Trong 12 đến 24 tháng đầu tiên, nhà mạng duy trì được $80% - 90%$ lượng thuê bao.
  • Tới mốc 70 tháng, tỷ lệ sống sót giảm xuống dưới $50%$.
  • Dựa trên hàm sống sót có điều kiện $P(T > t | T > s) = \frac{S(t)}{S(s)}$, doanh nghiệp có thể dự báo chính xác số tháng còn lại trước khi khách hàng đạt ngưỡng rủi ro $50%$, từ đó tính toán doanh thu dự kiến còn lại:

$$\text{Remaining Value} = (t_{\text{median_churn}} - t_{\text{current}}) \times \text{MonthlyCharges}$$

Đổi mới và đóng góp

Đổi mới về mặt kỹ thuật (Technical Innovations)

  1. Kiến trúc phân tích kép (Dual-Engine Framework): Kết hợp đồng thời bài toán phân loại tĩnh (Logistic Classification) để đưa ra cảnh báo sớm, và bài toán thời gian động (Cox Proportional-Hazards) để lập kế hoạch can thiệp theo vòng đời.
  2. Hiệu chỉnh ngưỡng Cut-off theo bài toán kinh doanh viễn thông: Thay vì cố định ngưỡng phân loại tại $0.5$, nghiên cứu sử dụng điểm giao thoa đường cong Precision - Recall tại $0.42$, giúp tăng độ nhạy (Recall) từ $52.4%$ lên $58.93%$, giảm thiểu tối đa tình trạng bỏ lọt khách hàng rời mạng (False Negative).
  3. Định lượng tác động định tính sang tỷ lệ rủi ro định lượng: Chuyển đổi các thông số nhân khẩu học và dịch vụ thành tỷ số rủi ro $HR$ trực quan, cung cấp bằng chứng toán học vững chắc cho đội ngũ tiếp thị sản phẩm.

So sánh với các giải pháp hiện hành

Tiêu chí Mô hình Heuristics truyền thống Mô hình Phân loại đơn thuần Hệ thống kết hợp Logistic + Cox PH
Bản chất đầu ra Điểm số cảm tính/kinh nghiệm Xác suất nhị phân $P(Y=1)$ Xác suất $p_i$ + Hàm thời gian sống sót $S(t)$
Dự báo thời điểm rời đi Không Không Có (Ước tính theo tháng cụ thể)
Xử lý dữ liệu kiểm duyệt (Censored data) Không Bỏ qua hoặc gán nhãn sai lệch Xử lý chuẩn xác qua hàm Partial Likelihood
Tối ưu hóa ngân sách tiếp thị Kém (dàn trải) Khá (dựa trên nhóm rủi ro cao) Tối ưu tuyệt đối (dựa trên Remaining Value)

Ứng dụng thực tế và triển khai

Kịch bản ứng dụng thực tế (Real-World Use Cases)

  • Hệ thống Cảnh báo sớm (Early Warning Dashboard): Tích hợp vào phần mềm CRM của nhà mạng. Khi khách hàng sử dụng dịch vụ cáp quang đăng ký hợp đồng theo tháng vượt quá mốc cước trung bình nhưng không có TechSupport, hệ thống tự động gắn cờ cảnh báo nguy cơ cao ($p > 0.42$).
  • Chiến dịch Giữ chân chủ động (Proactive Retention Campaign): Cung cấp các chương trình chuyển đổi hợp đồng (từ 1 tháng sang 1-2 năm) kèm ưu đãi tặng gói OnlineSecurity và chuyển đổi thanh toán tự động qua thẻ ngân hàng, giúp giảm tức thì hơn 60% nguy cơ rời mạng theo tỷ số Hazard Ratio.

Kiến trúc Triển khai (Deployment Architecture)

[Telco Billing / CRM DB] 
          | (Batch sync / Kafka Stream)
          v
[FastAPI Inference Engine] ---> Load Scikit-Learn Pipeline & CoxPH Model
          |
          +---> Trả về Churn Score (API Endpoint: POST /api/v1/predict-churn)
          +---> Trả về Expected Survival Months (POST /api/v1/survival-curve)
          |
          v
[Automated Marketing Trigger] ---> Gửi SMS/Email khuyến mãi gia hạn gói cước

Phân tích Hiệu quả Đầu tư (Cost-Benefit & ROI Analysis)

Giả sử nhà mạng có 100,000 thuê bao, cước trung bình 65 USD/tháng:

  • Tỷ lệ rời mạng hàng năm giả định: $20%$ (20,000 khách hàng rời bỏ $\implies$ thất thoát doanh thu 15.6 triệu USD/năm).
  • Khi áp dụng mô hình với Recall $58.9%$, hệ thống phát hiện chính xác 11,780 khách hàng có nguy cơ rời bỏ.
  • Với chiến dịch giữ chân thành công $25%$ nhóm này, nhà mạng giữ lại được 2,945 thuê bao.
  • Doanh thu bảo toàn hàng năm: $2,945 \times 65 \text{ USD} \times 12 \text{ tháng} = \mathbf{2,297,100 \text{ \textbf{USD}}}$.

Hạn chế và hướng phát triển

Hạn chế kỹ thuật

  1. Dữ liệu tĩnh (Snapshot data): Chưa nắm bắt được biến động hành vi tiêu dùng theo chuỗi thời gian liên tục (thay đổi lưu lượng data, số cuộc gọi phàn nàn lên tổng đài theo từng tuần).
  2. Giả định tỷ lệ rủi ro không đổi (Proportional Hazards Assumption): Một số biến số có thể có mức độ ảnh hưởng biến thiên theo thời gian (Time-varying covariates) mà mô hình Cox tiêu chuẩn chưa bao quát triệt để.

Hướng phát triển tiếp theo

  • Thử nghiệm các thuật toán học máy phi tuyến tiên tiến như Random Survival Forests (RSF) và DeepSurv (Deep Learning for Survival Analysis) nhằm nâng cao độ chính xác dự báo thời gian.
  • Tích hợp thêm các trường dữ liệu phi cấu trúc như lịch sử tương tác tổng đài (Natural Language Processing trên đoạn ghi âm cuộc gọi chăm sóc khách hàng).

Đối tượng hưởng lợi

  • Sinh viên & Học viên ngành Khoa học Dữ liệu / Toán Kinh tế: Tiếp cận một nghiên cứu ứng dụng mẫu mực kết hợp giữa lý thuyết kinh tế lượng, học máy và phân tích sinh tồn trên bài toán thực tế.
  • Kỹ sư Machine Learning / Data Scientists: Tham khảo quy trình hoàn chỉnh từ tiền xử lý, kiểm định đa cộng tuyến, tối ưu hóa Cut-off threshold đến triển khai mô hình Cox PH.
  • Doanh nghiệp Viễn thông, ISP & SaaS: Có được khung giải pháp chuyển giao trực tiếp để tái cấu trúc hệ thống CRM, chuyển dịch từ thế bị động sang chủ động ngăn chặn khách hàng rời mạng.
  • Nhà nghiên cứu (Researchers): Nền tảng thực nghiệm đối sánh để mở rộng cho các nghiên cứu mô hình hóa nguy cơ tín dụng (Credit Default) hoặc đào thải nhân sự (Employee Attrition).

Câu hỏi thường gặp

1. Yêu cầu phần cứng và môi trường để triển khai mô hình là gì?

Hệ thống yêu cầu máy chủ Linux (Ubuntu 20.04/22.04 LTS), tối thiểu 2 vCPU, 4GB RAM và Python 3.10+ có cài đặt các thư viện scikit-learn==1.2.2, lifelines==0.27.7, pandas==2.0.3. Đối với tập dữ liệu hàng triệu bản ghi, khuyến nghị sử dụng môi trường tính toán phân tán (PySpark) hoặc cụm CPU đa luồng để tối ưu thời gian khớp hàm MLE.

2. Vì sao nên kết hợp Logistic Regression với Cox Proportional-Hazards thay vì chỉ dùng Random Forest hoặc XGBoost?

Mặc dù Random Forest hay XGBoost có thể đạt Accuracy cao trong bài toán phân loại nhị phân, chúng chỉ trả lời câu hỏi "Có hay Không rời bỏ". Mô hình Cox PH cung cấp thêm chiều kích thời gian sống sót và khả năng xử lý dữ liệu kiểm duyệt (Censored data - khách hàng chưa rời đi tại thời điểm khảo sát), cho phép nhà mạng biết chính xác thời điểm rủi ro đạt đỉnh để can thiệp kịp lúc.

3. Làm thế nào để tích hợp mô hình vào hệ thống CRM hiện tại của doanh nghiệp?

Mô hình sau khi huấn luyện được xuất dưới dạng binary artifacts (joblib hoặc pickle). Một service API viết bằng FastAPI/Flask sẽ đóng gói mô hình, nhận thông tin thuê bao qua REST API hoặc Kafka message queue, sau đó trả về Churn Score và Remaining Lifetime Months để trigger các kịch bản CRM tự động.

4. Tần suất tái huấn luyện (Retrain) mô hình nên được thực hiện như thế nào?

Khuyến nghị thực hiện Batch Retraining định kỳ hàng tháng hoặc hàng quý khi có dữ liệu cước mới để cập nhật sự thay đổi trong hành vi tiêu dùng và chính sách gói cước cạnh tranh trên thị trường.

5. Chi phí triển khai và thời gian thu hồi vốn (ROI) dự kiến là bao lâu?

Chi phí triển khai chủ yếu là chi phí kỹ thuật (nhân sự dữ liệu và hạ tầng server đám mây khoảng 5,000 - 15,000 USD). Với khả năng giữ chân trung bình 2,000 - 3,000 khách hàng mỗi năm cho một nhà mạng quy mô trung bình, thời gian hòa vốn và sinh lời (ROI dương) thường đạt được chỉ sau 1 đến 3 tháng vận hành chính thức.

Kết luận

Đồ án tốt nghiệp của sinh viên Phạm Phương Linh đã chứng minh sự kết hợp chặt chẽ giữa toán ứng dụng, kinh tế lượng và kỹ thuật học máy hiện đại trong việc giải quyết bài toán cốt lõi của ngành viễn thông: Quản trị và giảm thiểu tỷ lệ khách hàng rời bỏ dịch vụ.

Bằng việc kết hợp mô hình Hồi quy Logistic (đạt độ chính xác tổng thể $77.96%$, độ nhạy $58.93%$ ở ngưỡng cut-off tối ưu $0.42$) cùng mô hình Phân tích sống sót Cox Proportional-Hazards, nghiên cứu không chỉ làm rõ các nhân tố trọng yếu như loại hợp đồng, gói bảo mật và phương thức thanh toán, mà còn định lượng được hàm rủi ro thời gian và giá trị vòng đời còn lại của từng khách hàng. Đây là tài liệu tham khảo giá trị cho sinh viên, kỹ sư dữ liệu và là giải pháp có khả năng ứng dụng thực tế cao cho các doanh nghiệp cung cấp dịch vụ thuê bao định kỳ.