我知道你会回来：移动社交应用上可解释的新用户聚类与流失预测
社会与信息网络
2019-10-04 v1 机器学习
摘要
随着在线平台努力获取更多用户，一个关键挑战是用户流失，这对新用户尤为值得关注。在本文中，以 Snapchat 的匿名大规模真实世界数据为例，我们开发了 ClusChurn，一个基于“恰当的用户聚类有助于理解和预测用户流失”这一直觉的可解释新用户聚类和流失预测系统性的两步框架。因此，ClusChurn 首先根据新用户在平台上的活动和自我网络结构将其分组为可解释的典型聚类。然后，我们设计了一种基于 LSTM 和注意力机制的新型深度学习流程，通过利用用户多维活动之间的相关性和底层用户类型，以非常有限的初始行为数据准确预测用户流失。ClusChurn 还能够预测用户类型，从而能够对不同类型的用户流失做出快速反应。广泛的数据分析和实验表明，ClusChurn 提供了对用户行为的宝贵洞察，并实现了最先进的流失预测性能。整个框架作为数据分析流程部署，向多个相关团队提供实时数据分析和预测结果以用于商业智能。它也足够通用，可被任何具有用户行为数据的在线系统直接采用。
引用
@article{arxiv.1910.01447,
title = {I Know You'll Be Back: Interpretable New User Clustering and Churn Prediction on a Mobile Social Application},
author = {Carl Yang and Xiaolin Shi and Jie Luo and Jiawei Han},
journal= {arXiv preprint arXiv:1910.01447},
year = {2019}
}
备注
Published at KDD 2018