02448ntm a22004937i 4500 000725207 CZ-PrVSE 20250830133620.0 m d cr n|||||||||| 250830s2025 xr fsbm 000 0 eng d NEZPRACOVANÝ IMPORT ABA006 cze ABA006 ABA006 rda Santos Portillo, Hector Jonathan ISIS:179809 dis Predicting Customer Churn for Avast Mobile Using Historical Data eng Predicting Customer Churn for Avast Mobile Using Historical Data / Hector Jonathan Santos Portillo 2025 ?? stran : digital, PDF soubor Vedoucí práce: Pavel Zimmermann Diplomová práce (Ing.)—Vysoká škola ekonomická v Praze. Fakulta informatiky a statistiky, 2025 Obsahuje bibliografii Textový (vysokoškolská kvalifikační práce) Rok obhajoby 2025 This thesis develops a propensity modeling framework to predict next-day churn among Avast Mobile Security users. Using behavioral, and notification data from the previous 7 days, and historical purchase data. The study trains two machine learning models, Logistic Regression and XGBoost, to generate churn propensity scores. Rather than making binary predictions, the models rank users by their likelihood to churn, enabling Avast to prioritize retention actions on the top 1% most at-risk users. Způsob přístupu: Internet data and business [obor dipl. práce] diplomové práce fd132022 czenas master's theses eczenas avast customer churn propensity Zimmermann, Pavel, 1980- jo20251268570 ths Nedvěd, Vojtěch ISIS:188202 opn Vysoká škola ekonomická v Praze. Fakulta informatiky a statistiky kn20010709399 dgg https://insis.vse.cz/zp/90159/podrobnosti VŠKP v InSIS https://insis.vse.cz/zp/90159 Hlavní práce https://insis.vse.cz/zp/90159/posudek/vedouci Hodnocení vedoucího https://insis.vse.cz/zp/90159/posudek/oponent/88115 Oponentura https://insis.vse.cz/zp/90159/podrobnosti dc:identifier NEPOSILAT VSKP vse90159 250827 90159