基于大规模用户-产品交互时间序列的早期流失预测
机器学习
2023-09-27 v1 人工智能
摘要
用户流失，即客户终止与企业的关系，在各种企业对客户场景中具有深远的经济影响。对于诸多系统对用户的行为，如促销折扣与留存活动，预测潜在流失者是一项主要目标。在幻想体育等波动行业中，国际体育赛事等不可预测因素甚至会影响常规消费习惯。因此，尽管交易历史与用户-产品交互在预测流失时颇有价值，它们却需要深厚的领域知识与复杂的特征工程。此外，流失预测系统的特征开发可能耗费大量资源，尤其在服务 2 亿以上用户的生产环境中，推理流水线主要聚焦于特征工程。本文利用历史数据对预测用户流失进行了详尽研究。我们旨在创建一个预测客户流失可能性的模型，助力企业理解流失趋势并制定有效的留存方案。我们的方法将流失预测视为多元时间序列分类，表明结合用户活动与深度神经网络可在复杂企业对客户情境中取得卓越的流失预测效果。
引用
@article{arxiv.2309.14390,
title = {Early Churn Prediction from Large Scale User-Product Interaction Time Series},
author = {Shamik Bhattacharjee and Utkarsh Thukral and Nilesh Patil},
journal= {arXiv preprint arXiv:2309.14390},
year = {2023}
}
备注
12 pages, 3 tables, 8 figures, Accepted in ICMLA