論文の概要: Early Churn Prediction from Large Scale User-Product Interaction Time Series

• arxiv url: http://arxiv.org/abs/2309.14390v1
• Date: Mon, 25 Sep 2023 08:44:32 GMT
• ステータス: 処理完了
• システム内更新日: 2023-09-27 16:46:15.585180
• Title: Early Churn Prediction from Large Scale User-Product Interaction Time Series
• Title（参考訳）: 大規模ユーザ製品インタラクション時系列からの早期チャーン予測
• Authors: Shamik Bhattacharjee, Utkarsh Thukral, Nilesh Patil
• Abstract要約: 本稿では,歴史的データを用いたユーザチャーン予測に関する徹底的な研究を行う。 我々は,顧客満足度予測モデルを作成し,企業の誘惑傾向の理解と効果的な保留計画の策定を促進することを目的としている。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: User churn, characterized by customers ending their relationship with a business, has profound economic consequences across various Business-to-Customer scenarios. For numerous system-to-user actions, such as promotional discounts and retention campaigns, predicting potential churners stands as a primary objective. In volatile sectors like fantasy sports, unpredictable factors such as international sports events can influence even regular spending habits. Consequently, while transaction history and user-product interaction are valuable in predicting churn, they demand deep domain knowledge and intricate feature engineering. Additionally, feature development for churn prediction systems can be resource-intensive, particularly in production settings serving 200m+ users, where inference pipelines largely focus on feature engineering. This paper conducts an exhaustive study on predicting user churn using historical data. We aim to create a model forecasting customer churn likelihood, facilitating businesses in comprehending attrition trends and formulating effective retention plans. Our approach treats churn prediction as multivariate time series classification, demonstrating that combining user activity and deep neural networks yields remarkable results for churn prediction in complex business-to-customer contexts.
• Abstract（参考訳）: ユーザチャーンは、顧客とビジネスの関係を終わらせることによって特徴づけられ、さまざまなビジネス・ツー・カスタマーのシナリオで大きな経済的結果をもたらす。 プロモーションディスカウントや保持キャンペーンなど、多くのシステム対ユーザアクションにおいて、潜在的なチャーナーの予測が主要な目的である。 ファンタジースポーツのような不安定な分野では、国際スポーツイベントのような予測できない要因が定期的な消費習慣にも影響を及ぼす可能性がある。 結果として、トランザクション履歴とユーザと製品間のインタラクションは、チャーンを予測する上で価値がある一方で、深いドメイン知識と複雑な機能エンジニアリングを必要とします。 さらに、チャーン予測システムの機能開発は、特に200m以上のユーザを対象とする運用環境では、機能エンジニアリングに重点を置いている。 本稿では,履歴データを用いたユーザのチャーン予測を徹底的に検討する。 我々は,顧客満足度予測モデルを作成し,企業の誘惑傾向の理解と効果的な保留計画の策定を促進することを目的とする。 提案手法はチャーン予測を多変量時系列分類として扱い,ユーザアクティビティとディープニューラルネットワークを組み合わせることで,複雑なビジネス・ユーザ・コンテキストにおけるチャーン予測に顕著な結果をもたらすことを示す。

関連論文リスト

• Decoding the Silent Majority: Inducing Belief Augmented Social Graph with Large Language Model for Response Forecasting [74.68371461260946]
  SocialSenseは、既存のソーシャルネットワーク上に信念中心のグラフを誘導するフレームワークであり、グラフベースの伝播によって社会的ダイナミクスを捉える。 本手法は,ゼロショット設定と教師あり設定の両方に対する実験的な評価において,既存の最先端技術を超えている。
  論文  参考訳（メタデータ） (2023-10-20T06:17:02Z)
• Improved Churn Causal Analysis Through Restrained High-Dimensional Feature Space Effects in Financial Institutions [9.84528076130809]
  顧客チャーン(Customer Churn)は、ビジネスとの関係を終了するか、特定の期間における顧客エンゲージメントを減少させる。 顧客の獲得コストは、顧客の保持の5倍から6倍になり得るので、リスクの厳しい顧客への投資は賢明です。 本研究では、独立変数と相関し、チャーンに影響を及ぼす従属変数と因果関係にある相反する特徴を発見するための概念的枠組みを提案する。
  論文  参考訳（メタデータ） (2023-04-23T00:45:35Z)
• Causal Analysis of Customer Churn Using Deep Learning [9.84528076130809]
  顧客チャーン(Customer Churn)は、ビジネスとの関係を終了するか、特定の期間における顧客エンゲージメントを減少させる。 本稿では,ディープフィードフォワードニューラルネットワークを用いた分類手法を提案する。 また,顧客を混乱させる原因を予測するための因果ベイズネットワークを提案する。
  論文  参考訳（メタデータ） (2023-04-20T18:56:13Z)
• Customer Churn Prediction Model using Explainable Machine Learning [0.0]
  この論文の主な目的は、チャーンする可能性が最も高い潜在的な顧客を予測するのに役立つ、ユニークな顧客チャーン予測モデルを開発することである。 各種木に基づく機械学習手法とアルゴリズムの性能評価と解析を行った。 モデル説明可能性と透明性を改善するため,提案手法では,特徴の組合せについてシェープ値を計算する手法を提案する。
  論文  参考訳（メタデータ） (2023-03-02T04:45:57Z)
• What Should I Know? Using Meta-gradient Descent for Predictive Feature Discovery in a Single Stream of Experience [63.75363908696257]
  計算強化学習は、未来の感覚の予測を通じて、エージェントの世界の知覚を構築しようとする。 この一連の作業において、オープンな課題は、エージェントがどの予測が意思決定を最も支援できるかを、無限に多くの予測から決定することである。 本稿では,エージェントが何を予測するかを学習するメタ段階的な降下過程,(2)選択した予測の見積もり,3)将来の報酬を最大化するポリシーを生成する方法を紹介する。
  論文  参考訳（メタデータ） (2022-06-13T21:31:06Z)
• PinnerFormer: Sequence Modeling for User Representation at Pinterest [60.335384724891746]
  我々は、ユーザの将来的なエンゲージメントを予測するためにトレーニングされたユーザ表現であるPinnerFormerを紹介する。 従来のアプローチとは異なり、新しい密集した全アクション損失を通じて、モデリングをバッチインフラストラクチャに適応させます。 その結果,1日に1回発生するバッチユーザ埋め込みと,ユーザがアクションを行うたびに発生するリアルタイムユーザ埋め込みとの間には,大きなギャップがあることが判明した。
  論文  参考訳（メタデータ） (2022-05-09T18:26:51Z)
• Preference Enhanced Social Influence Modeling for Network-Aware Cascade Prediction [59.221668173521884]
  本稿では,ユーザの嗜好モデルを強化することで,カスケードサイズ予測を促進する新しいフレームワークを提案する。 エンド・ツー・エンドの手法により,ユーザの情報拡散プロセスがより適応的で正確になる。
  論文  参考訳（メタデータ） (2022-04-18T09:25:06Z)
• A machine learning approach to itinerary-level booking prediction in competitive airline markets [0.0]
  競合データ、価格、ソーシャルメディア、安全、航空会社のレビューなど、複数のソースからのデータを組み合わせています。 顧客行動は価格に敏感でスケジュールに敏感で快適なODに分類できることを示す。 このモデルは、従来の時系列予測よりも高い収益をもたらす予測を生成する。
  論文  参考訳（メタデータ） (2021-03-15T14:32:11Z)
• Supporting Financial Inclusion with Graph Machine Learning and Super-App Alternative Data [63.942632088208505]
  スーパーアプリは、ユーザーとコマースの相互作用についての考え方を変えました。 本稿では,スーパーアプリ内のユーザ間のインタラクションの違いが,借り手行動を予測する新たな情報源となるかを検討する。
  論文  参考訳（メタデータ） (2021-02-19T15:13:06Z)
• Learning Transferrable Parameters for Long-tailed Sequential User Behavior Modeling [70.64257515361972]
  テールユーザに注力することで、より多くのメリットをもたらし、長いテールの問題に対処できる、と私たちは主張しています。 具体的には、頭部から尾部への知識伝達を容易にするために、勾配アライメントを提案し、敵のトレーニングスキームを採用する。
  論文  参考訳（メタデータ） (2020-10-22T03:12:02Z)
• Friendship is All we Need: A Multi-graph Embedding Approach for Modeling Customer Behavior [1.181206257787103]
  顧客を非線形に表現するためのマルチグラフ埋め込み手法を提案する。 我々は,友人関係の情報を入手することでのみ,ユーザの将来の行動を合理的に予測することができる。
  論文  参考訳（メタデータ） (2020-10-06T14:50:05Z)

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。