个性化免费试用的设计与评估
机器学习
2020-06-25 v1 机器学习
计量经济学
摘要
免费试用促销是指给予用户有限时间免费试用产品，是软件即服务(SaaS)行业中常用的客户获取策略。我们考察试用时长如何影响用户响应，并试图量化个性化免费试用促销时长所带来的收益。我们的数据来自一家领先SaaS企业开展的大规模现场实验，新用户被随机分配为7、14或30天免费试用。首先，我们表明对全体消费者统一采用7天试用是最佳均匀策略，订阅量提升了5.59%。接下来，我们提出一个三管齐下的个性化策略设计与评估框架。利用该框架，我们基于线性回归、lasso、CART、随机森林、XGBoost、因果树和因果森林开发了七种个性化定向策略，并使用逆倾向得分(IPS)估计量评估其表现。我们发现基于lasso的个性化策略表现最佳，其次是基于XGBoost的策略。相比之下，基于因果树和因果森林的策略表现较差。我们随后将方法在策略设计上的有效性与其在不过度拟合（即捕捉虚假异质性）前提下充分个性化处理的能力联系起来。接着，我们根据消费者的最优试用时长进行分群，并得出关于此情境下用户行为驱动因素的一些实质性见解。最后，我们表明旨在最大化短期转化的策略在长期结果（如消费者忠诚度与盈利能力）上同样表现良好。
引用
@article{arxiv.2006.13420,
title = {Design and Evaluation of Personalized Free Trials},
author = {Hema Yoganarasimhan and Ebrahim Barzegary and Abhishek Pani},
journal= {arXiv preprint arXiv:2006.13420},
year = {2020}
}