論文の概要: A Simplified and Numerically Stable Approach to the BG/NBD Churn Prediction model

• arxiv url: http://arxiv.org/abs/2502.12912v1
• Date: Tue, 18 Feb 2025 14:53:56 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-19 14:05:21.796805
• Title: A Simplified and Numerically Stable Approach to the BG/NBD Churn Prediction model
• Title（参考訳）: BG/NBDチャーン予測モデルに対する簡易かつ数値的に安定なアプローチ
• Authors: Dylan Zammit, Christopher Zerafa,
• Abstract要約: 我々は,M日以内の購入を行なわなかった場合,客が混乱したことを考慮し,チャーンの定義の修正を提案する。 まず、M日以内の購入ゼロの場合の一般方程式を単純化する。 第2に,数値的オーバーフローやアンダーフローの問題を軽減するために,数値的手法を用いた代替表現を導出する。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: This study extends the BG/NBD churn probability model, addressing its limitations in industries where customer behaviour is often influenced by seasonal events and possibly high purchase counts. We propose a modified definition of churn, considering a customer to have churned if they make no purchases within M days. Our contribution is twofold: First, we simplify the general equation for the specific case of zero purchases within M days. Second, we derive an alternative expression using numerical techniques to mitigate numerical overflow or underflow issues. This approach provides a more practical and robust method for predicting customer churn in industries with irregular purchase patterns.
• Abstract（参考訳）: 本研究はBG/NBDチャーン確率モデルを拡張し,季節イベントや高い購入数の影響を受けやすい産業において,顧客行動の限界に対処する。 我々は,M日以内の購入を行なわなかった場合,客が混乱したことを考慮し,チャーンの定義の修正を提案する。 まず、M日以内の購入ゼロの場合の一般方程式を単純化する。 第2に,数値的オーバーフローやアンダーフローの問題を軽減するために,数値的手法を用いた代替表現を導出する。 このアプローチは、不規則な購入パターンを持つ業界における顧客の混乱を予測するための、より実用的で堅牢な方法を提供する。

関連論文リスト

• Broadening Target Distributions for Accelerated Diffusion Models via a Novel Analysis Approach [49.97755400231656]
  本研究では,新しいDDPMサンプリング器が,これまで考慮されていなかった3種類の分散クラスに対して高速化性能を実現することを示す。 この結果から, DDPM型加速サンプリング器におけるデータ次元$d$への依存性が改善された。
  論文  参考訳（メタデータ） (2024-02-21T16:11:47Z)
• An Efficient Rehearsal Scheme for Catastrophic Forgetting Mitigation during Multi-stage Fine-tuning [55.467047686093025]
  このような忘れを緩和するための一般的なアプローチは、微調整中に以前のタスクからサンプルをリハーサルすることである。 側方損傷のリハーサルを優先するサンプリング手法である textttbf mix-cd を提案する。 我々の手法は計算効率が高く、実装が容易で、計算制約のある設定においていくつかの主要な連続学習手法より優れています。
  論文  参考訳（メタデータ） (2024-02-12T22:32:12Z)
• Model-based Causal Bayesian Optimization [74.78486244786083]
  乗算重み付き因果ベイズ最適化のための最初のアルゴリズム(CBO-MW)を提案する。 グラフ関連の量に自然に依存するCBO-MWに対する後悔の限界を導出する。 我々の実験は、共有モビリティシステムにおいて、ユーザの需要パターンを学習するためにCBO-MWをどのように使用できるかの現実的なデモを含む。
  論文  参考訳（メタデータ） (2023-07-31T13:02:36Z)
• 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)
• On the estimation of discrete choice models to capture irrational customer behaviors [4.683806391173103]
  我々は、部分的にランク付けされた好みを使って、トランザクションデータから合理的で不合理な顧客タイプを効率的にモデル化する方法を示す。 提案手法の予測精度を評価する実験を幅広く行った。
  論文  参考訳（メタデータ） (2021-09-08T19:19:51Z)
• Markov Decision Process modeled with Bandits for Sequential Decision Making in Linear-flow [73.1896399783641]
  会員/加入者の獲得と保持では、複数のページを連続してマーケティングコンテンツを推奨する必要がある。 遷移確率行列をモデル化するためにBandits を用いた MDP としてこの問題を定式化することを提案する。 提案したMDPのBanditsアルゴリズムは,$epsilon$-greedyと$epsilon$-greedy,$epsilon$,IndependentBandits,InteractionBanditsでQ-learningを上回っている。
  論文  参考訳（メタデータ） (2021-07-01T03:54:36Z)
• Navigating to the Best Policy in Markov Decision Processes [68.8204255655161]
  マルコフ決定過程における純粋探索問題について検討する。 エージェントはアクションを逐次選択し、結果のシステム軌道から可能な限り早くベストを目標とする。
  論文  参考訳（メタデータ） (2021-06-05T09:16:28Z)
• On Analyzing Churn Prediction in Mobile Games [0.0]
  本稿では,高精度なチャーン予測手法を提案する。 論文で示したように、このアプローチは実際のゲームビジネスにおいて96.6%のチャーン予測精度を達成できた。
  論文  参考訳（メタデータ） (2021-04-12T15:22:42Z)
• On the Reproducibility of Neural Network Predictions [52.47827424679645]
  そこで本研究では, チャーン問題について検討し, 原因因子を同定し, 緩和する2つの簡単な方法を提案する。 最初に、標準的な画像分類タスクであっても、チャーンが問題であることを示す。 我々は,予測信頼度を高めるために,エントロピー正規化器を提案する。 両手法の有効性を実証的に示し, 基礎モデルの精度を向上しながら, チャーン低減効果を示す。
  論文  参考訳（メタデータ） (2021-02-05T18:51:01Z)

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。