研究人员开发了一种名为客户基础多任务Transformer（CBMT）的新预测模型，旨在通过分析客户行为驱动因素来改进收入预测。与现有基准相比，该模型显示平均总销售额误差降低了30%，在某些比较中，其性能比直接Transformer模型高出2.65%。CBMT在客户群动态稳定时特别有效，但在波动时期其准确性会下降。研究结果表明，协调的客户群预测有助于收入规划，但在高波动时期应谨慎。 AI
影响 这项研究引入了一种新颖的预测模型，通过提供基于客户行为的更准确的收入预测，可以增强业务规划和估值。
排序理由 详细介绍新模型及其性能的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
