面向流失预测的行为建模：客户流失与忠诚度的早期指标及准确预测因子
机器学习
2015-12-22 v1
摘要
流失预测，即识别可能停止使用某项服务的客户任务，是许多不同行业企业关注的重要且利润丰厚的问题。随着这些企业收集到越来越多关于客户特征和行为的大规模异构数据，预测流失的新方法成为可能。本文中，我们提出一个统一的分析框架，用于检测流失的预警信号，并为每位客户分配一个“流失分数(Churn Score)”，该分数指示特定个体在预定义时间内流失的可能性。该框架采用暴力方法进行特征工程，然后通过特征选择筛选出相关属性集，再将最终特征集输入一套监督学习算法。利用来自大型移动电话网络的若干太字节数据，我们的方法识别出了若干直观的——以及少数令人惊讶的——流失预警信号，且我们的最佳模型以89.4%的准确率预测订阅者是否会流失。
引用
@article{arxiv.1512.06430,
title = {Behavioral Modeling for Churn Prediction: Early Indicators and Accurate Predictors of Custom Defection and Loyalty},
author = {Muhammad R. Khan and Johua Manoj and Anikate Singh and Joshua Blumenstock},
journal= {arXiv preprint arXiv:1512.06430},
year = {2015}
}