中文

基于低秩张量块危机模型的因果客户流失分析

机器学习 2024-05-21 v1 机器学习 统计方法学

摘要

本研究引入一种新颖的方法,用于分析各种干预措施对客户流失的影响,基于潜在结果框架。我们提出了一种新的因果模型——张量化潜在因子块危机模型,其包含张量完成方法,以对客户流失进行原则性的因果分析。我们方法的一个关键要素是对参数张量进行1位张量完成。这有效地从流失记录中捕获隐藏客户特征和时间元素,有效解决了流失数据的二元化及其时间单调趋势问题。我们的模型还独特地将干预措施按其相似影响进行分类,从而增强了客户保留策略的精确度和实用性。为了计算效率,我们应用投影梯度下降算法结合谱聚类。我们为我们的模型奠定了理论基础,包括其非渐近属性。通过在模拟和真实世界应用上的全面实验,我们进一步验证了该模型的有效性与优越性。

关键词

引用

@article{arxiv.2405.11377,
  title  = {Causal Customer Churn Analysis with Low-rank Tensor Block Hazard Model},
  author = {Chenyin Gao and Zhiming Zhang and Shu Yang},
  journal= {arXiv preprint arXiv:2405.11377},
  year   = {2024}
}

备注

Accepted for publication in ICML, 2024