京公网安备11010802038645号京ICP备20022436号-3京EDI证京B2-20220639区块链京网信备 1101082276223860002X号数据描述
本数据集在经典的电信客户流失数据集基础上进行了扩展，新增了 CustomerFeedback 列。该列数据基于客户的任期、合同类型、月费和流失状态等特征，通过 GPT-3.5 生成，包含真实的客户评论。数据集可用性达 10.00，采用 Attribution 4.0 International（CC BY 4.0）许可，能为数据科学家、业务分析师等提供有力支持，可用于情绪分析、NLP 模型训练（分类、聚类）以及端到端的客户流失预测流程（ML + NLP），适用于 Python、Spark、Power BI 或 LLMs 等技术的相关项目。
产品基本信息
- 数据来源：在经典电信客户流失数据集基础上扩展而来，新增的 CustomerFeedback 列通过 OpenAI API（受控提示逻辑，温度 = 0.7）生成。
- 数据内容：包含经典电信客户流失数据的原有特征（如任期、合同类型、月费、流失状态等）以及新增的 CustomerFeedback（客户评论）列。
- 数据特点：新增的客户反馈基于客户特征生成，具有真实性；可用性高，达 10.00；支持多种 NLP 和机器学习相关任务；采用 CC BY 4.0 许可。
- 更新情况：预期永不更新。
- 相关文件：包含 model_with_feedback.pkl 文件，大小为 27.51 kB。
产品使用说明
1、使用前需确保设备安装有支持数据集格式的工具（如 Python、Spark 等），对于 model_with_feedback.pkl 文件，可使用 Python 的 pickle 库进行加载。
2、可提取 CustomerFeedback 列数据进行情绪分析，判断客户评论的正面、负面或中性倾向；结合客户的其他特征，分析不同特征与客户情绪之间的关联。
3、适用于 NLP 模型训练，如将客户反馈作为输入，训练文本分类模型以自动识别客户的潜在需求或不满；也可用于构建端到端的客户流失预测流程，将 NLP 处理后的反馈数据与其他特征结合，提升流失预测的准确性。
4、使用时需遵守 CC BY 4.0 许可要求，在使用过程中适当署名。
2、可提取 CustomerFeedback 列数据进行情绪分析，判断客户评论的正面、负面或中性倾向；结合客户的其他特征，分析不同特征与客户情绪之间的关联。
3、适用于 NLP 模型训练，如将客户反馈作为输入，训练文本分类模型以自动识别客户的潜在需求或不满；也可用于构建端到端的客户流失预测流程，将 NLP 处理后的反馈数据与其他特征结合，提升流失预测的准确性。
4、使用时需遵守 CC BY 4.0 许可要求，在使用过程中适当署名。
应用场景
1、电信企业可利用该数据集构建客户流失预测模型，通过分析客户的各项特征及反馈评论，提前识别出有流失风险的客户，从而采取针对性的挽留措施，降低客户流失率。
2、NLP 研究与开发团队可借助此数据集进行模型训练和优化，提升文本分类、情绪分析等任务的性能，进而将模型应用于实际业务中，如自动处理客户评论并生成分析报告。
3、业务分析人员可使用该数据集结合 Power BI 等工具进行数据可视化分析，直观呈现客户特征、反馈情绪与客户流失之间的关系，为企业制定营销策略和服务改进方案提供数据支持。
2、NLP 研究与开发团队可借助此数据集进行模型训练和优化，提升文本分类、情绪分析等任务的性能，进而将模型应用于实际业务中，如自动处理客户评论并生成分析报告。
3、业务分析人员可使用该数据集结合 Power BI 等工具进行数据可视化分析，直观呈现客户特征、反馈情绪与客户流失之间的关系，为企业制定营销策略和服务改进方案提供数据支持。
相似产品
产品来源
本数据集由数据科学家 Beata Faron 创建，她专注于需求预测、NLP 和面向业务的机器学习领域。该数据集在经典的电信客户流失数据集基础上，通过 OpenAI API（受控提示逻辑，温度 = 0.7）生成 CustomerFeedback 列进行扩展，创建于 2025 年 6 月，旨在为电信领域的 NLP 应用和客户流失预测等研究与实践提供高质量的数据资源。
验证报告
以下为卖家选择提供的数据验证报告：
电信客户流失数据集(含 CustomerFeedback 列 基于 GPT-3.5 生成 ) 支持情绪分析 NLP 模型训练 流失预测
￥1.99
已售 0
1.87MB
申请报告