《Algorithms》：A Machine Learning-Driven CRM Approach for Identifying Member Churn in a Brazilian Agro-Industrial Cooperative: A Practical Case Study
Sergio Akio Tanaka,
Jo?o Vitor da Costa Andrade,
Alessandro Botelho Bovo,
Attilio Converti,
Danilo Sipoli Sanches and
Hugo Valadares Siqueira
编辑推荐：
本研究通过在该组织的客户关系管理（CRM）系统中实施一种泄漏感知、治理对齐的机器学习协议，解决了巴西农业工业合作社中的成员流失问题。在保密约束下使用真实CRM数据，研究人员遵循基于KDD的工作流程。该工作流程包括：（i）多源集成；（ii）针对性预处理，通过欠采
本研究通过在该组织的客户关系管理（CRM）系统中实施一种泄漏感知、治理对齐的机器学习协议，解决了巴西农业工业合作社中的成员流失问题。在保密约束下使用真实CRM数据，研究人员遵循基于KDD的工作流程。该工作流程包括：（i）多源集成；（ii）针对性预处理，通过欠采样显式处理严重类别不平衡；（iii）统一验证方案，包括分层交叉验证、超参数搜索和受控AutoML基准测试；（iv）比较表格学习器（随机森林RF、XGBoost和支持向量分类器SVC）以及投票集成；（v）基于SHAP的可解释性，支持透明决策。类别重平衡显著提升了少数类性能；例如，SVC的“非活跃”召回率从0.27提高到0.74。在十折中，AutoML达到有竞争力的平均ROC-AUC（0.8844），其次为XGBoost（0.8690）和随机森林（0.8660）；全局指标支持运营可行性（准确率0.79–0.80；ROC-AUC高达0.8876），而集成在适度精度增益下提供了相当的判别能力（ROC-AUC 0.8845）。SHAP分析产生了与业务一致的驱动因素，并实现了CRM中可操作的实例级沟通。由此产生的基于微服务的模块在仪表板中输出排名后的流失倾向和解释，用于风险分层和保留行动的优先级排序。总体而言，该工作为在治理和保密约束下的季节性合作环境中提供了一种可解释、可复现且可投入生产的预测性CRM方法蓝图。
**论文解读：机器学习驱动的CRM方法用于巴西农业工业合作社成员流失预测**
**研究背景与问题**
巴西农业在国民经济中占据核心地位，2024年约占国内生产总值（GDP）的23.5%。其中，巴拉那州在大豆、家禽和罗非鱼养殖方面领先。农业工业合作社通过整合生产者、基础设施和服务，协调价值链活动。然而，这种合作社模式容易受到成员流失（即成员退出或变为非活跃）的影响，这会侵蚀利润、削弱服务交付并降低投资能力，因此需要主动监控和针对性的保留干预。现有流失预测研究主要集中在电信和银行等成熟行业，对农业工业合作社领域的系统性CRM-ML集成研究不足。具体而言，缺乏基于真实合作社数据、涵盖数据治理、预处理、模型训练到部署的端到端、面向生产的CRM-ML管道实证研究。这一空白在巴拉那州的农业工业合作社中尤为关键，因为季节性、成员结构性异质性和机构治理约束限制了其他行业模型和实践的直接迁移。
**研究内容与结论**
本研究设计并评估了一个集成的CRM-ML系统，利用真实合作社数据，结合自动机器学习（AutoML）和基于SHAP的可解释人工智能（XAI），提供一致且可解释的流失风险评估，并支持仪表板驱动的管理干预。研究人员遵循基于KDD的工作流程，包括多源数据集成、针对性预处理（通过欠采样处理严重类别不平衡）、统一验证方案（分层交叉验证、超参数搜索和受控AutoML基准测试）、比较随机森林（RF）、XGBoost、支持向量分类器（SVC）及投票集成，以及SHAP可解释性。研究贡献是方法论和运营层面的：方法上，形式化了一个针对季节性合作社CRM系统的泄漏感知、治理对齐的流失预测协议，整合了不平衡缓解、受控AutoML基准测试、集成学习和事后可解释性；运营上，利用巴西农业工业合作社的真实数据实例化该协议，并将风险评分和解释集成到CRM仪表板中。结论表明，经过不平衡处理后，模型性能显著提升，AutoML在十折交叉验证中达到最高平均ROC-AUC（0.8844），SHAP分析识别出与业务一致的驱动因素（如chose_declaration和uses_member_portal），支持CRM中的透明决策和行动优先级。该工作为在治理和保密约束下的季节性合作环境提供了可解释、可复现且可投入生产的预测性CRM方法蓝图。论文发表在《Algorithms》。
**关键技术与方法**
研究人员使用了基于KDD（数据库知识发现）的端到端工作流程，主要关键技术包括：（1）多源数据集成，将匿名注册数据与财务交易数据通过成员标识符合并；（2）预处理阶段，通过欠采样显式处理严重类别不平衡（活跃成员占约87.2%），并去除泄漏性时间变量；（3）统一验证方案，采用分层十折交叉验证、网格搜索优化超参数，以及受控的AutoML（AutoGluon）基准测试；（4）比较四种表格学习器：随机森林（RF）、XGBoost、线性核支持向量分类器（SVC）及三者的投票集成；（5）基于SHAP（Shapley加法解释）的事后可解释性，提供全局和局部特征贡献分析。数据来源为巴西巴拉那州一个农业工业合作社的CRM系统，包含15,034名成员（其中9,028名为活跃成员）的匿名化注册数据和历史财务交易记录。
**研究结果**
**4. 结果**：经过预处理和变换后，评估了RF、SVC、XGBoost及AutoML管道。AutoML在十折中达到最高平均ROC-AUC（0.8844，标准差0.0155），XGBoost为0.8690，RF为0.8660，SVC为0.8611。全局指标显示，手动模型的准确率为0.77–0.78，AutoML和集成达到0.80；全局ROC-AUC以AutoML最高（0.8876），其次为集成（0.8845）和XGBoost（0.8720）。类间指标表明，不平衡处理后少数类召回率显著提升（如SVC从0.27升至0.74）。
**4.1 学习曲线**：所有模型的学习曲线（图5a–d）显示偏差-方差平衡良好，无明显欠拟合或过拟合迹象。
**4.1.1 AutoML**：与手动调优模型相比，AutoML的ROC-AUC（最高0.8845）略低于手动XGBoost（0.8866），表明自动化搜索有效探索了解决方案空间，但并未显著超越强基线。前十名AutoML模型在ROC-AUC上数值相近（0.8843–0.8845）。
**4.1.2 SHAP分析**：针对XGBoost的SHAP总结图（图6）显示，chose_declaration和uses_member_portal的高值将贡献推向正值（即降低流失倾向），而结构大小（structure_MINI）与较高的流失风险相关。十大特征中，七个特征起保护作用，三个特征正向指示流失。
**讨论与结论**
**讨论总结**：本研究的方法贡献在于形式化并实证验证了一个针对合作社CRM环境的端到端流失建模协议。AutoML在平均ROC-AUC上的稳定优势表明自动化管道可匹配甚至超越手动基线，同时提供可复现性和操作简化。模型间性能差距较小，与结构化表格数据上的现有证据一致——一旦建立强基线，增益通常是递增的。SHAP结果提供了可操作的可解释性，变量涉及土地结构和银行信息等，这些输出被集成到CRM风险仪表板中，为每个成员输出流失倾向分数和排名，支持针对性的保留行动（如定向活动、技术访问、信用优惠）。工程架构基于Python 3.13、Next.js和NestJS实现，通过Cloudflare控制访问，Swagger提供API文档。研究存在局限性：仅基于单一组织数据集和i.i.d.交叉验证，未充分表征跨时间、季节或分支的泛化能力；未来需通过时间验证和分支保留验证来加强外部有效性。信息泄漏分析显示，去除“最近作物移动”等时间变量后，召回率和F1适度下降，但增强了模型外部有效性的信心。
**结论翻译**：本研究设计、实施并评估了一个与机器学习集成的CRM模块，用于预测农业工业合作社中的成员流失。在通过欠采样处理类别不平衡后，监督学习算法——RF、XGBoost和SVC——结合AutoML框架产生了可靠的流失倾向估计。平衡后性能显著提升，尤其是多数类召回率，突显了数据处理对分类器泛化的重要性。信息泄漏检查及去除有问题的时序变量适度降低了召回率和F1，但增强了模型外部有效性的信心。基于SHAP的可解释性阐明了特征贡献并强化了业务一致性。从战略上看，将预测模型嵌入CRM环境支持更明智的资源分配、针对性的保留举措和更强的成员关系策略。通过揭示与流失相关的行为模式，合作社可以优先采取高影响力的忠诚度行动，降低收购成本并改善参与结果——将数据驱动的洞察转化为运营优势。未来工作将拓宽数据来源，整合包含生产结构和交付作物详细信息的classif_prod_crm数据库，以丰富特征集并可能进一步提升判别性能和可操作洞察。
