深度学习在客户流失预测中的应用：基于抽象公司无关特征向量的无监督特征学习
机器学习
2017-03-14 v1 机器学习
摘要
随着企业加大客户留存力度，能够提前准确预测客户在可预见的未来是否会流失，对任何营销团队而言都是一项极其强大的工具。本文深入描述了深度学习在流失预测问题中的应用。通过使用可从任何订阅制公司的用户事件日志生成的抽象特征向量，本文证明，利用深度神经网络的内在特性（以无监督方式学习次级特征），整套流程可应用于任何订阅制公司，并取得极佳的流失预测性能。此外，本文所记录的研究是Framed Data公司（一家向其他公司销售流失预测服务的公司）与英国兰卡斯特大学数据科学研究所合作完成的。本文是Framed Data的知识产权。
引用
@article{arxiv.1703.03869,
title = {Deep Learning in Customer Churn Prediction: Unsupervised Feature Learning on Abstract Company Independent Feature Vectors},
author = {Philip Spanoudes and Thomson Nguyen},
journal= {arXiv preprint arXiv:1703.03869},
year = {2017}
}
备注
23 pages, 14 figures