订阅型市场中客户流失的估计：来自学术出版行业的实证分析
机器学习
2022-11-21 v1 人工智能
计算工程、金融与科学
数据分析、统计与概率
摘要
我们提出了首个关于学术出版行业客户流失预测的实证研究。该研究基于一家主要学术出版商提供的为期 6.5 年的客户订阅数据，检验了我们提出的预测方法。我们探讨了订阅型市场在客户流失与建模背景下的特征，并对这类市场的商业模式及其如何刻画学术出版业务进行了分析。所提出的预测方法试图基于客户对提供商资源的重采样使用——在此背景下即内容下载的量与频率——来推断客户流失的可能性。我们表明，这种方法在企业对企业背景下既准确又具有独特用处，而学术出版商业模式与之有相似之处。本研究的主要发现表明，尽管所考察的所有预测模型，尤其是机器学习的集成方法，能在近一年前实现对流失的相当准确预测，但即便忽略可与各客户流失概率相关联的具体行为属性，也能做到这一点。从而允许从最少可能的数据中实现高度准确的流失推断。我们表明，基于客户在订阅期内资源使用的重采样来建模流失，比考虑常刻画消费行为的高粒度更为简便（简化）且更优。
引用
@article{arxiv.2211.09970,
title = {Estimating defection in subscription-type markets: empirical analysis from the scholarly publishing industry},
author = {Michael Roberts and J. Ignacio Deza and Hisham Ihshaish and Yanhui Zhu},
journal= {arXiv preprint arXiv:2211.09970},
year = {2022}
}