Mathematica Eterna
Offener Zugang

Abstrakt

Eine Studie zur Anwendung künstlicher Intelligenz und maschinellem Lernen zur Modellierung und Vorhersage von Kundenverhalten, Kundenabwanderung und Konversion

Alderic Pierre*

Digitale Unternehmen sind zu einem wichtigen Anbieter von Artikeln, Produkten und Dienstleistungen geworden und ersetzen zunehmend traditionelle Märkte. Das Wachstum dieses Geschäfts hat einen erbitterten Wettbewerb unter digitalen Unternehmen ausgelöst, um ihren Kundenstamm zu erweitern und den Umsatz zu steigern. Aus diesem Grund sind sich digitale Unternehmen jetzt bewusst, wie wichtig es ist, neue Kunden zu gewinnen und, noch wichtiger, bestehende Kunden zu halten, da die Gewinnung neuer Kunden teurer ist als die Bindung bestehender Kunden. Aus diesem Grund tun E-Unternehmen ihr Bestes, um starke Bindungen zu ihren Kunden aufzubauen, und unterstützen alle Bemühungen, mögliche Kundenabwanderung vorherzusagen und proaktiv auf potenzielle Kunden zu reagieren.

In diesem Artikel werden wir ein Framework auf der Grundlage eines Markov-Modells für Zeitreihen erstellen, das sowohl die potenziellen Kundenabwanderungsraten vorhersagt als auch Besucher vorhersagt, die dazu neigen, das E-Unternehmen zu verlassen, ohne Einkäufe zu tätigen. Das Markov-Modell ist ein statistisches Modell, das Zustände in zeitlichen Datenmustern beobachten kann. Das vorgeschlagene Modell wird auf dem öffentlichen Datensatz „RecSys2015“ implementiert und wir werden seine Ergebnisse zum Benchmarking mit anderen Algorithmen vergleichen.