Panggilan layanan pelanggan dan churn
Anda telah melihat bahwa tidak banyak perbedaan panjang masa berlangganan antara pelanggan yang churn dan yang tidak, namun ada perbedaan pada jumlah panggilan layanan pelanggan yang dilakukan oleh pelanggan yang churn.
Sekarang, mari visualisasikan perbedaan ini menggunakan box plot dan sertakan fitur lain yang menarik—apakah pelanggan yang memiliki paket internasional melakukan lebih banyak panggilan layanan pelanggan? Atau apakah mereka cenderung lebih sering churn? Bagaimana dengan paket pesan suara? Mari kita cari tahu!
Ingat kembali sintaks untuk membuat box plot menggunakan seaborn:
sns.boxplot(x = "X-axis variable",
y = "Y-axis variable",
data = DataFrame)
Jika Anda ingin menghapus pencilan (outlier), Anda dapat menambahkan parameter sym="", dan Anda dapat menambahkan variabel ketiga menggunakan hue.
Latihan ini merupakan bagian dari kursus
Analitik Pemasaran: Memprediksi Churn Pelanggan di Python
Latihan interaktif langsung praktik
Cobalah latihan ini dengan melengkapi kode contoh ini.
# Import matplotlib and seaborn
import matplotlib.pyplot as plt
import seaborn as sns
# Create the box plot
____.____(x = '____',
y = '____',
data = ____)
# Display the plot
plt.show()