首页|基于改进XGBoost的电商客户流失预测

基于改进XGBoost的电商客户流失预测

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
基于客户价值模型、聚类算法与机器学习算法,提出一套面向电子商务大数据领域的客户流失预测方法并对其进行验证.采用随机森林方法对高维数据进行降维并选择特征变量,利用RFM价值模型,详细地对客户进行划分.由于电商企业对真阳性错误更为敏感,所以对XGBoost算法引入惩罚因子,并结合特征变量预测客户流失,以提高预测准确性.根据对国内某电子商务平台客户数据的预测结果表明,经过预先客户细分处理的预测结果效果明显更好,同时改进后的XGBoost算法较改进前的预测准确率、精确率、召回率分别提升了2.8％、3.8％、2％,即所提出的预测方法是有效的.
E-commerce Customer Churn Prediction Based on Improved XGBoost

廖开际、邹珂欣、庄雅云

展开 >

华南理工大学工商管理学院 广州 510641

客户细分 客户流失 电子商务 XGBoost算法

国家自然科学基金

71371077

2022

10.3969/j.issn.1672-9722.2022.05.037

计算机与数字工程
中国船舶重工集团公司第七0九研究所

计算机与数字工程

CSTPCD
影响因子：0.355
ISSN：1672-9722
年,卷(期)：2022.50(5)
  • 1
  • 9