Predicting user churn in Web/APP platforms using multi-source data analysis

Abstract

Aquesta tesi de màster consisteix en una anàlisi exhaustiva del problema de la pèrdua d’usuaris en una plataforma web/app. El treball comença amb la creació d’un conjunt de dades específic, gairebé des de zero, intentant capturar tota la informació possible que pugui ajudar en l’anàlisi posterior. Després, es du a terme una anàlisi de dades completa, identificant les característiques clau que porten els usuaris a cancel·lar les seves subscripcions. Finalment, s’implementen diferents models predictius. Aquests models son capaços de predir la pèrdua d’usuaris un període de subscripció abans que succeeixi, proporcionant a l’empresa estudiada informació valuosa sobre els seus clients i una eina poderosa per intentar retenir-los.

Esta tesis de máster consiste en un análisis exhaustivo del problema de la pérdida de usuarios en una plataforma web/aplicación. El trabajo comienza con la creación de un conjunto de datos específico, casi desde cero, tratando de capturar toda la información posible que pueda ayudar en el análisis posterior. Luego, se realiza un análisis de datos completo, identificando las características clave que llevan a los usuarios a cancelar sus suscripciones. Finalmente, se implementan diferentes modelos predictivos. Estos modelos son capaces de predecir la pérdida de usuarios un periodo de suscripción antes de que ocurra, proporcionando a la empresa estudiada información valiosa sobre sus clientes y una herramienta poderosa para intentar retenerlos.

This Master’s thesis consists in full analysis on the user churn problem in a web/app platform. The work starts at the specific dataset creation, almost from scratch, trying to capture all the possible information that can help in the later analysis. Later on, a complete Data Analysis is carried, identifying the key features that lead users to cancel their subscriptions. Finally, different predictive models are implemented. These models are capable to forecast user churn one subscription period before it occurs, giving the studied company some valuable insights about their customers and a powerful tool to try to retain them.