实体
customer attrition
customer attrition
PulseAugur coverage of customer attrition — every cluster mentioning customer attrition across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 4
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 3
层级分布 · 90 天
主题
情绪 · 30 天
2 天有情绪数据
最近 · 第 1/1 页 · 共 4 条
-
新方法纠正客户流失预测中的季节性误报
一篇新发表在arXiv上的研究论文解决了一个客户流失预测系统中的关键问题，即季节性波动可能导致误报。该研究提出了一种逐年校正方法，以区分真实的衰退和季节性模式。这种方法显著提高了预警系统的准确性，减少了误报，并优化了干预能力。
-
AT&T首席营销官量化“品牌喜爱度”对客户增长和成本节约的影响
AT&T首席营销官Kellyn Smith Kenny量化了“品牌喜爱度”对公司业务成果的财务影响。通过衡量客户从厌恶到喜爱的品牌情感评分，AT&T发现更高的品牌喜爱度分数与更高的客户获取率、更低的客户流失率以及购买更多服务的可能性增加相关。这种数据驱动的方法指导了产品开发（例如“定制套餐”产品）和服务保证，直接证明了营销努力与核心经济绩效之间的联系。
-
新框架以87.6%的准确率预测客户流失
研究人员开发了一种使用滚动窗口方法预测客户流失的新框架。该方法在30天的观察窗口内模拟客户行为，以估计随着活动演变而产生的流失风险。该框架整合了基于特征和基于序列的学习技术，在真实世界数据集上表现稳健，其中基于特征的模型准确率达到87.6%，ROC-AUC为0.94。
-
新的机器学习方法通过学习系统结构来检测涌现现象
研究人员开发了一种新的机器学习方法，旨在通过学习复杂系统的潜在因果结构来检测其中的涌现现象。该方法使用基于协方差或精度矩阵幂的估计器家族来调谐驱动关键事件的底层结构。该方法在预测客户流失和检测癫痫发作方面已显示出有效性，取得了有竞争力的结果，同时也提供了对可解释统计结构见解。