Bakalářská práce

Predikce odchodu zákazníků v maloobchodním prodeji

Predicting Customer Churn in the Retail Sector

Zbyněk Pokora
Anotace

Předkládaná práce zkoumá predikci odchodu zákazníků v nesmluvním prostředí. Na reálných datech platformy Olist testuje algoritmy strojového učení (logistická regrese, rozhodovací strom, Random Forest, XGBoost) a analyzuje prediktivní schopnosti v datech s extrémní nevyvážeností tříd skrze dva různé přístupy pro řešení této imbalance. Jádrem celé práce je samotná příprava dat, modelování a vyhodnocení …více

Abstract

This thesis explores customer churn prediction in a non-contractual setting. Using real-world data from the Olist platform, it tests machine learning algorithms (logistic regression, decision tree, Random Forest, XGBoost) and analyses their predictive capabilities on datasets with extreme class imbalance using two different mitigation approaches. The core of the thesis involves the data preparation …více

Klíčová slova
nesmluvní prostřední predikce odchodu strojové učení nevyvážená data XGBoost SMOTE non-contractual churn prediction machine learning imbalanced data
Zadání práce
Pomocí metod strojového učení navrhněte modely pro predikci odchodu zákazníků v maloobchodním prostředí a porovnejte jejich predikční schopnosti. Student by měl použít více metod (logistická regrese, rozhodovací strom, random forest, gradient boosting). Cílem práce je nejen porovnat výkonnost jednotlivých přístupů, ale také zhodnotit, do jaké míry je na daných datech predikce odchodu zákazníků vůbec spolehlivě realizovatelná, identifikovat hlavní omezení a navrhnout možná metodická zlepšení.
Administrativní informace
Práce zkontrolována:
29. 4. 2026 09:47, Mgr. Bc. Martin Chvátal, Ph.D., učo 268707
Plný text práce
2,4 MB / soubor PDF
Přílohy (2)
Jazyk práce
čeština čeština
Termín obhajoby
9. 6. 2026
Práce byla úspěšně obhájena

Vedoucí

Mgr. Bc. Martin Chvátal, Ph.D., učo 268707
OAMI ESF MU

Oponent

Ing. Lukáš Kokrda, učo 244161
OAMI ESF MU

Literatura

  • RUD, Olivia Parr. Data mining : praktický průvodce dolováním dat pro efektivní prodej, cílený marketing a podporu zákazníků (CRM). 1. vyd. Praha: Computer Press, 2001, l, 329. ISBN 8072265776.
  • PROVOST, Foster a Tom FAWCETT. Data science for business : what you need to know about data mining and data-analytic thinking. 1st ed. Beijing: O'Reilly, 2013, xxi, 386. ISBN 9781449361327.
  • KOTLER, Philip; Kevin Lane KELLER; Mairead BRADY; Malcolm GOODMAN a Torben HANSEN. Marketing management. 3rd edition. Harlow, England: Pearson, 2016, xxxiv, 942. ISBN 9781292093239.
  • HENDL, Jan. Big data : věda o datech - základy a aplikace. První vydání. Praha: Grada Publishing, 2021, 224 stran. ISBN 9788027130313.
Citovat tuto práci
Masarykova univerzita Ekonomicko-správní fakulta
Studijní program
Plán
Analytika byznysových dat

Práce na příbuzné téma

Seznam prací, které mají shodná klíčová slova.

Podobné práce

  • Přidání souboru

    Soubor nebo složku lze nahrát pomocí tlačítka Přidat.

  • Další operace se soubory

    Podrobnosti lze zjistit označením příslušného řádku.

  • Pohled pro experty

    Pro častou práci je možné zvolit režim Více možností.

  • Vyhledávání souborů

    Vyhledávaný výraz můžete zadat přímo do adresního řádku.

  • Rychlý přístup k souborům

    Pomocí funkce Nedávné je možné se rychle vrátit k právě prohlíženým souborům. Oblíbené soubory je také možné označit Hvězdičkou.