Je bent een Lead Data Scientist voor een B2B SaaS-bedrijf. We hebben een dataset met gebruikersactiviteit, factureringsgeschiedenis en supporttickets. Beschrijf stap voor stap hoe je een voorspellend model bouwt om 'churn' (klantverloop) te identificeren. Bespreek: 1. Feature engineering (hoe creeer je meaningful features uit ruwe logs?), 2. De keuze tussen algoritmes (Random Forest vs. XGBoost vs. LSTM) en de rationale, en 3. Hoe je 'class imbalance' aanpakt. Geef ook aan welke metrieken (Precision/Recall/F1) het belangrijkst zijn voor de stakeholders.