コーヒー豆の定期便解約予測チャレンジ

順位	名前	スコア	提出	最後の提出
読み込んでいます…

背景と目的

コーヒー豆の定期便で、これから解約する会員を予測してみましょう。

舞台は、自社のサイトでコーヒー豆を売るお店です（お店もデータも作り物です）。このお店の定期便は、選んだ量の豆（200g の袋を1〜3袋）が、2週間・4週間・8週間ごとに届くサービスです。豆が余っているときは「1回お休み（スキップ）」もできます。

定期便のようなサービスでは、新しい会員を集めるのと同じくらい、今の会員に続けてもらうことが大事です。広告で会員を1人集めるにはお金がかかるので、すぐにやめられてしまうと、そのお金を取り戻せません。解約しそうな会員が前もって分かれば、やめてしまう前に「量を減らす」「お休みする」を案内したり、困っていることを聞いたりできます。

このコンペでは、2026年6月30日（基準日）に定期便を続けていた会員について、基準日までの会員の情報と注文の記録から、基準日の翌日から90日以内に解約するかを予測するモデルを作ってください。

会員の情報（train.csv・test.csv）だけでも予測はできますが、スコアを伸ばすカギは、注文の記録（orders.csv）を会員ごとに集計して、「最近どれだけ届いているか」「スキップが増えていないか」のような特徴量を作れるかです。コース11「マーケティング」の CRMマーケティングで学んだ RFM分析や、コース07「機械学習実装」の特徴量エンジニアリング③ の集計が役に立ちます。

データ

ファイル	中身
`train.csv`	学習用の会員 6,000人の情報と、解約したか（`解約`）
`test.csv`	テスト用の会員 4,000人の情報（`解約` はありません）
`orders.csv`	学習用・テスト用の全員の注文の記録（基準日の2026年6月30日まで・238,167行）
`sample_submission.csv`	提出の見本
`data_explanation.csv`	列の説明（下の表と同じ）

予測するのは 解約 です。基準日の翌日（2026年7月1日）から90日以内（9月28日まで）に定期便を解約したら 1、続けていたら 0 です。学習用のデータでは、6,000人のうち816人（約14%）が解約しています。学習用とテスト用は、くじ引きで分けました。

会員の情報（train.csv・test.csv）　1行が会員1人です。

列	中身
`ID`	会員の番号。orders.csv の `ID` と同じ会員です。番号の順番に意味はありません
`年代`	登録のときに答えた年代（20代〜60代以上）。答えていない人は空
`地域`	お届け先の地方
`登録日`	定期便に申し込んだ日
`袋の数`	1回に届く豆の袋の数（1袋 200g）。基準日の時点のプラン
`お届けの間隔`	2週間ごと・4週間ごと・8週間ごと。基準日の時点のプラン
`豆のコース`	おまかせ（毎回ちがう豆）・深煎り・中煎り・浅煎り・デカフェ
`挽き方`	豆のまま・粉（中挽き）
`支払い方法`	クレジットカード・Amazon Pay・PayPay・コンビニ後払い
`流入元`	申し込む前に、どこからお店のサイトに来たか（検索・SNS・Web広告・友だちの紹介・ポイントサイト・ブログ・記事）。分からない人は空
`初回割引`	1回目のお届けを半額にする割引を使って申し込んだら 1
`メルマガ`	メルマガを受け取っていたら 1（基準日の時点）
`アプリ`	お店のアプリを入れていたら 1（基準日の時点）
`問い合わせの回数`	基準日までの180日に、お問い合わせの窓口に連絡した回数
`レビューの平均`	これまでに書いた豆のレビュー（星1〜5）の平均。書いていない人は空
`好きな淹れ方`	登録のときのアンケートの答え。答えていない人は空
`登録した端末`	申し込んだときに使った端末（スマホ・PC・タブレット）
`解約`	予測するもの（train.csv だけ）

注文の記録（orders.csv）　1行が、定期便の1回のお届けか、1回の買い足し（単品）です。スキップした回も1行あります。1人に何行もあるので、ID ごとに集計してから、train.csv・test.csv とつなげて使います。基準日の直前に登録したばかりの会員は、まだ記録がありません。

列	中身
`注文番号`	注文の番号（日付の順）
`ID`	会員の番号（train.csv・test.csv の `ID`）
`日付`	定期便はお届けの予定の日、単品は注文した日
`種類`	定期便（決まった間隔で届くもの）・単品（定期便とは別に買い足した豆）
`スキップ`	定期便を「1回お休み」にした回は 1。このときの豆の量と金額は 0、配送の遅れは空
`豆の量（g）`	届いた豆の量（200g の袋の数 × 200）
`金額（円）`	払った金額（税込・割引のあと）
`割引（円）`	割り引いた金額。割引がなければ 0
`割引の種類`	初回半額（定期便の1回目）・クーポン（メルマガで配ったクーポン）。割引がなければ空
`配送の遅れ（日）`	予定の日から何日遅れて届いたか。0 は予定どおり

評価指標

AUC（ROC曲線の下の面積）。解約した会員ほど、大きい予測の値をつけられているかを測ります。解約した会員と続けた会員を1人ずつ選んだとき、解約した会員のほうに大きい値をつけられている割合と同じです。大きいほど上位です。

1.0 なら、解約した会員の全員に、続けた会員のだれよりも大きい値をつけられています
0.5 は、でたらめに予測したのと同じです（全員に同じ値をつけても 0.5 になります）
値の大きさそのものではなく、並び順だけで決まります。同じ値の組は、半分当たったと数えます。提出には、解約する確率（0〜1）を入れるのがふつうです

なぜ AUC なのか　解約する会員は約14%しかいないので、全員に「続ける（0）」と答えるだけで、正解率は約86%になってしまいます。AUC は、少ないほう（解約する会員）を上のほうに並べられたかで測るので、このように偏ったデータでも、予測の良し悪しが分かります。「解約しそうな順に並べて、上から声をかける」というお店の使い方にも、そのまま合っています。

ルール

提出

1日に5回まで提出できます。日本時間の0時に回数が戻ります
sample_submission.csv と同じ形（1行目は ID,解約、test.csv の4,000人が1行ずつ）の CSV を提出します。ID の列で正解と結びつけて採点するので、行の並びは自由です
採点できなかった提出（列の名前が違う・ID が足りない・予測が空など）はエラーになり、回数には数えません

順位表

1人1行で、いちばん良いスコアが載ります。名前は、参加するときに決めた名前です（メールアドレスや本名は出ません）
このコンペは終わりの日を決めていないので、順位表はいつでも今の順位です
運営が作った予測（ベンチマーク）のスコアも、「運営」の印つきで並びます。まずは「最後の注文からの日数だけ」を超えるのが目標です

禁止すること

テストデータの正解を、ほかから手に入れること
1人で複数のアカウントを使うこと
ほかの参加者と、提出のファイルや結果を共有すること（コードや手法の共有はかまいません）

不正が分かったときは、提出やスコアを取り消すことがあります。

データについて　このコンペのデータは、スタアカが作った作り物です。お店・会員・注文は実在せず、名前やメールアドレスのような個人の情報も入っていません。

無料の登録をして参加する

コンペに参加する

データ

提出する

順位表

自分の提出

背景と目的

データ

評価指標

ルール