論文の概要: Estimating defection in subscription-type markets: empirical analysis
from the scholarly publishing industry
- arxiv url: http://arxiv.org/abs/2211.09970v1
- Date: Fri, 18 Nov 2022 01:29:51 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-21 14:23:52.181931
- Title: Estimating defection in subscription-type markets: empirical analysis
from the scholarly publishing industry
- Title（参考訳）: 購読型市場における欠陥の推定 : 学術出版業界からの実証分析
- Authors: Michael Roberts and J. Ignacio Deza and Hisham Ihshaish and Yanhui Zhu
- Abstract要約: 本稿では,学術出版業界における顧客チャーン予測の実証的研究について紹介する。
本研究は,6.5年間の顧客定期購読データに対する予測手法について検討した。
このアプローチは、ビジネス対ビジネスのコンテキストにおいて、正確かつ一意に有用であることを示します。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We present the first empirical study on customer churn prediction in the
scholarly publishing industry. The study examines our proposed method for
prediction on a customer subscription data over a period of 6.5 years, which
was provided by a major academic publisher. We explore the subscription-type
market within the context of customer defection and modelling, and provide
analysis of the business model of such markets, and how these characterise the
academic publishing business. The proposed method for prediction attempts to
provide inference of customer's likelihood of defection on the basis of their
re-sampled use of provider resources -in this context, the volume and frequency
of content downloads. We show that this approach can be both accurate as well
as uniquely useful in the business-to-business context, with which the
scholarly publishing business model shares similarities. The main findings of
this work suggest that whilst all predictive models examined, especially
ensemble methods of machine learning, achieve substantially accurate prediction
of churn, nearly a year ahead, this can be furthermore achieved even when the
specific behavioural attributes that can be associated to each customer
probability to churn are overlooked. Allowing as such highly accurate inference
of churn from minimal possible data. We show that modelling churn on the basis
of re-sampling customers' use of resources over subscription time is a better
(simplified) approach than when considering the high granularity that can often
characterise consumption behaviour.
- Abstract（参考訳）: 本稿では,学術出版業界における顧客チャーン予測に関する最初の実証研究を行う。
本研究は,大手学術出版社が提供した6.5年間の顧客購読データに対する予測手法について検討した。
顧客欠陥やモデリングの文脈においてサブスクリプション型市場を探求し、そのような市場のビジネスモデルの分析を行い、学術出版事業をどう特徴づけるかを考察する。
提案手法は, コンテンツダウンロードの量と頻度を, 利用者が再サンプリングした提供者資源の使用量に基づいて, 顧客欠陥の可能性を推定する手法である。
学術的なビジネスモデルが類似点を共有するビジネス・ツー・ビジネス・コンテキストにおいて,このアプローチは正確かつ一意に有用であることを示す。
本研究の主な知見は,調査されたすべての予測モデル,特に機械学習のアンサンブル手法が,1年近く先にあるチャーンをかなり正確に予測する一方で,各顧客確率に関連づけられる特定の行動属性が見過ごされても,さらに達成可能であることを示唆している。
最小可能なデータからchurnの高精度な推論を可能にする。
消費行動を特徴付ける高い粒度を考慮する場合よりも、サブスクリプション時間によるリソース使用の再サンプリングに基づくチャーンモデリングの方が、より(単純化された)アプローチであることを示す。
関連論文リスト
- F-FOMAML: GNN-Enhanced Meta-Learning for Peak Period Demand Forecasting with Proxy Data [65.6499834212641]
本稿では,需要予測をメタラーニング問題として定式化し,F-FOMAMLアルゴリズムを開発した。
タスク固有のメタデータを通してドメインの類似性を考慮することにより、トレーニングタスクの数が増加するにつれて過剰なリスクが減少する一般化を改善した。
従来の最先端モデルと比較して,本手法では需要予測精度が著しく向上し,内部自動販売機データセットでは平均絶対誤差が26.24%,JD.comデータセットでは1.04%削減された。
論文 参考訳（メタデータ） (2024-06-23T21:28:50Z) - Optimizing Sales Forecasts through Automated Integration of Market Indicators [0.0]
本研究では、顧客需要予測を改善するために市場指標を自動的に選択・統合するデータ駆動技術の可能性を検討する。
探索的手法を採用することで、国内GDP成長などのマクロ経済時系列をtextitNeural Prophet や textitSARIMAX 予測モデルに統合する。
外部情報を組み込むことで予測が大幅に向上できることが示せる。
論文 参考訳（メタデータ） (2024-05-15T08:11:41Z) - Predictive Churn with the Set of Good Models [64.05949860750235]
近似機械学習モデルの集合に対する競合予測の効果について検討する。
ラーショモン集合内のモデル間の係り受けに関する理論的結果を示す。
当社のアプローチは、コンシューマ向けアプリケーションにおいて、より予測し、削減し、混乱を避けるためにどのように使用できるかを示します。
論文 参考訳（メタデータ） (2024-02-12T16:15:25Z) - Modeling the Telemarketing Process using Genetic Algorithms and Extreme
Boosting: Feature Selection and Cost-Sensitive Analytical Approach [0.06906005491572399]
本研究は、顧客による長期預金の意欲をモデル化する上で、テレマーケティングデータの力を活用することを目的とする。
ポルトガルの銀行と社会経済指標の実際のデータは、遠隔販売による意思決定プロセスのモデル化に使用される。
論文 参考訳（メタデータ） (2023-10-30T08:46:55Z) - Learning for Counterfactual Fairness from Observational Data [62.43249746968616]
公正な機械学習は、人種、性別、年齢などの特定の保護された(感受性のある)属性によって記述されるある種のサブグループに対して、学習モデルのバイアスを取り除くことを目的としている。
カウンターファクトフェアネスを達成するための既存の手法の前提条件は、データに対する因果モデルの事前の人間の知識である。
本研究では,新しいフレームワークCLAIREを提案することにより,因果関係を付与せずに観測データから対実的に公正な予測を行う問題に対処する。
論文 参考訳（メタデータ） (2023-07-17T04:08:29Z) - Customer Profiling, Segmentation, and Sales Prediction using AI in
Direct Marketing [0.0]
本稿では,顧客プロファイルシステムを開発するためのデータマイニング前処理手法を提案する。
本研究の主な成果は、顧客プロファイルの作成と商品の販売予測である。
論文 参考訳（メタデータ） (2023-02-03T14:45:09Z) - Synthetic Model Combination: An Instance-wise Approach to Unsupervised
Ensemble Learning [92.89846887298852]
ラベル付きデータのトレーニングセットから学ぶ機会のない、新しいテストデータに対する予測を検討する。
専門家モデルのセットと予測へのアクセスと、トレーニングに使用するデータセットに関する制限された情報を提供すること。
論文 参考訳（メタデータ） (2022-10-11T10:20:31Z) - A Graph-Enhanced Click Model for Web Search [67.27218481132185]
ウェブ検索のための新しいグラフ強調クリックモデル(GraphCM)を提案する。
セッション内情報とセッション間情報の両方を、スパーシリティ問題とコールドスタート問題に活用する。
論文 参考訳（メタデータ） (2022-06-17T08:32:43Z) - Predictive analytics for appointment bookings [0.0]
第1のモデルは、顧客が会議に現れるかどうかを予測し、第2のモデルは、顧客がプレミアムサービスを予約するかどうかを示す。
どちらのモデルも75%以上の精度で正確な結果が得られる。
本稿では,予測需要を用いた資源計画の枠組みを提案する。
論文 参考訳（メタデータ） (2022-04-18T14:02:15Z) - Test-time Collective Prediction [73.74982509510961]
マシンラーニングの複数のパーティは、将来のテストポイントを共同で予測したいと考えています。
エージェントは、すべてのエージェントの集合の集合的な専門知識の恩恵を受けることを望んでいるが、データやモデルパラメータを解放する意思はないかもしれない。
我々は、各エージェントの事前学習モデルを利用して、テスト時に集合的な予測を行う分散型メカニズムを探索する。
論文 参考訳（メタデータ） (2021-06-22T18:29:58Z) - Profit-oriented sales forecasting: a comparison of forecasting
techniques from a business perspective [3.613072342189595]
本稿では,コカ・コーラ社の産業界データと公開データセットの両方から成る35回連続のテクニックを比較検討する。
モデル構築と評価プロセスの両方において、テクニックが生成できる期待される利益を考慮に入れた、新しく完全に自動化された利益主導のアプローチを導入します。
論文 参考訳（メタデータ） (2020-02-03T14:50:24Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。