基于手机数据预测客户性别与年龄
机器学习
2019-03-19 v1 计算机与社会
机器学习
摘要
在数据驱动解决方案的时代，客户的 demographic 属性（如性别和年龄）发挥着核心作用，可使企业增强服务供给并在正确的时间和地点锁定正确的客户。在营销活动中，企业希望瞄准 GSM（全球移动通信系统）的真实用户，而非线路所有者，而二者有时可能并非同一人。本文提出一种基于用户行为、业务及合约信息预测用户性别与年龄的方法。我们使用通话详单记录（CDRs）、客户关系管理（CRM）和账单信息作为数据源来分析电信客户行为，并应用多种机器学习算法为营销活动提供关于客户 demographic 属性更精确的信息。该模型使用 SyriaTel 电信公司提供的 18,000 名用户的可靠数据集进行训练与测试，并采用大数据技术构建，在用户性别预测上达到 85.6% 的准确率，在用户年龄预测上达到 65.5% 的准确率。本工作的主要贡献在于基于手机数据提升了用户性别与年龄预测的准确率，并提供了一个从电信领域多维度处理客户数据的端到端解决方案。
引用
@article{arxiv.1903.06756,
title = {Predicting customer's gender and age depending on mobile phone data},
author = {Ibrahim Mousa AlZuabi and Assef Jafar and Kadan Aljoumaa},
journal= {arXiv preprint arXiv:1903.06756},
year = {2019}
}