Телеком: после переезда на новый биллинг отток в первый цикл вырос с 2,1% до 4,7%

Ситуация: В мигрированных на новый биллинг когортах отток в первый цикл вырос более чем вдвое на фоне двойных списаний и ошибок прорейтинга. Надо отделить технический артефакт от реального оттока.

Оператор поэтапно мигрирует 9 млн абонентов на новую биллинговую платформу волнами по регионам. В мигрированных когортах отток в первый расчётный цикл подскочил с 2,1% до 4,7%, выросли двойные списания, ошибки прорейтинга и неверные SMS-уведомления о балансе. Часть оттока может быть искусственной (ошибочные списания → блокировки), часть — реальной. Нужно отделить артефакт миграции от настоящего недовольства и оценить возвратный потенциал.

Доступные данные

• users: user_id, region, plan_id, tenure_months, migration_wave, migrated_at
• invoices: invoice_id, user_id, billing_cycle, amount, expected_amount, status, created_at
• billing_errors: error_id, user_id, error_type, detected_at, resolved_at
• churn_events: user_id, churn_date, reason_code, voluntary_flag
• support_tickets: user_id, ticket_date, category, channel, csat

Задачи

• Сравнить first-cycle churn мигрированных когорт с ещё не мигрированными (difference-in-differences по волнам).
• Классифицировать отток: вынужденный (блокировка из-за ошибочного списания) vs добровольный по reason_code и связке с billing_errors.
• Оценить долю invoices, где amount != expected_amount, и связать частоту ошибок с вероятностью оттока.
• Посчитать возвратный потенциал win-back для пользователей, ушедших из-за технического артефакта.
• Сформулировать план: что чинить в биллинге, кого проактивно компенсировать, как тормозить следующие волны.

Все кейсы для подготовки → ← Все кейсы