基于解释性 AI、风险建模与 RFM 分层的电子商务客户流失分析及个性化保留策略
人工智能
2026-04-07 v2
摘要
在线零售中，客户获取的费用通常高于客户保留费用，因此企业倾向于投资于客户流失分析。然而，许多当代流失模型作为黑箱运作，限制了对流失决定因素、保留时机以及高风险客户细分的洞察。因此，应从预测唯一重点转向以可解释证据为基础的个性化保留策略设计。本研究提出一个三组成分框架，集成解释性 AI 来量化特征贡献、存活分析来建模时间至事件的流失风险、RFM 轮廓分析对客户按交易行为进行分层。三者组合，使可归因于流失驱动因素、估算干预窗口、优先排序针对性行动的客户细分，支持降低流失率、强化客户忠诚度的策略。
引用
@article{arxiv.2510.11604,
title = {Explainability, risk modeling, and segmentation based customer churn analytics for personalized retention in e-commerce},
author = {Indrajith Ekanayake and Sanjula De Alwis},
journal= {arXiv preprint arXiv:2510.11604},
year = {2026}
}