基于嵌入的客户生命周期价值预测
机器学习
2017-09-26 v3 计算机与社会
信息检索
神经与进化计算
机器学习
摘要
我们描述了部署于全球在线时尚零售商 ASOS.com 的客户生命周期价值(CLTV)预测系统。CLTV 预测是电子商务中的一个重要问题，其中对未来价值的准确估计使零售商能够有效分配营销支出、识别并培育高价值客户，并降低损失风险。ASOS 的系统提供每位客户未来价值的每日估计，并且是个性化购物体验的基石之一。该领域的最先进技术使用大量手工特征和集成回归器来预测价值、预测流失和评估客户忠诚度。最近，包括语言、视觉和语音在内的领域通过用从数据中自动学习的特征替代手工特征，取得了显著进展。我们详述了部署在 ASOS 的系统，并表明学习特征表示是 CLTV 建模中最先进技术的一个有前景的扩展。我们提出了一种生成客户嵌入的新方法，解决了不断变化的产品目录问题，并且相较于详尽的手工特征集取得了显著改进。
引用
@article{arxiv.1703.02596,
title = {Customer Lifetime Value Prediction Using Embeddings},
author = {Benjamin Paul Chamberlain and Angelo Cardoso and C. H. Bryan Liu and Roberto Pagliari and Marc Peter Deisenroth},
journal= {arXiv preprint arXiv:1703.02596},
year = {2017}
}
备注
10 pages, 11 figures