e-Profits：面向盈利敏感客户流失预测的业务对齐评估指标
机器学习
2026-01-15 v2
摘要
客户关系管理中的保留活动常依赖于使用AUC和F1-score等传统指标评估的流失预测模型。然而，这些指标未能反映财务结果，可能误导战略决策。我们引入e-Profits，这是一个新的业务对齐评估指标，通过客户终身价值、保留概率和干预成本来量化模型性能。与现有基于利润的指标（如Expected Maximum Profit）假设固定人群水平参数不同，e-Profits采用 Kaplan-Meier 生存分析方法来估计基于租期（customer-level）的单期保留概率，从而支持按客户粒度的盈利评估。我们在两个电信数据集（IBM Telco和Maven Telecom）上对六种分类器进行基准测试，证明e-Profits改变了与传统指标相比的模型排序，揭示了之前被AUC或F1-score忽视的模型的财务优势。该指标还可在细分层面上洞察哪些模型能最大化高价值客户的投资回报。e-Profits提供了一个透明、按客户粒度的评估框架，将预测建模与盈利驱动的决策在运营客户流失管理中相结合。所有源代码均已公开：https://github.com/Awaismanzoor/eprofits。
引用
@article{arxiv.2507.08860,
title = {e-Profits: A Business-Aligned Evaluation Metric for Profit-Sensitive Customer Churn Prediction},
author = {Awais Manzoor and M. Atif Qureshi and Etain Kidney and Luca Longo},
journal= {arXiv preprint arXiv:2507.08860},
year = {2026}
}