MODEĻU ATLASES PIEEJU IZPĒTE KLIENTU SKAITA SAMAZINĀŠANĀS PROGNOZĒŠANAI TĪMEKĻA LIETOJUMPROGRAMMĀS

Klientu noturēšana ir svarīga biznesa ilgtspējai, jo jaunu klientu iegūšana ir dārgāka nekā esošo saglabāšana. Klientu skaita samazināšanās prognozēšana un klientu dzīves vērtības (LTV) novērtēšana ļauj izstrādāt mērķtiecīgas noturēšanas stratēģijas.Šajā pētījumā piedāvāta kombinēta pieeja klientu zuduma prognozēšanai un LTV aprēķināšanai tīmekļa lietojumprogrammām. Veikts literatūras pārskats, izceļot klasiskās statistikas metodes un mašīnmācīšanās algoritmus. Novērtēti vairāki modeļi, tostarp loģistiskā regresija, atbalsta vektora mašīna, lēmumu koks un nejaušs mežs, savukārt LTV noteikta, izmantojot lineāro regresiju un nejaušo meža regresoru.Rezultāti rāda, ka nejaušā meža modelis sasniedza augstāko precizitāti (95.9%) klientu zuduma prognozēšanā, bet nejaušais meža regresors pārspēja lineāro regresiju LTV novērtējumā. Balstoties uz datiem, izstrādāta segmentācijas stratēģija, kas klasificē klientus pēc zuduma riska un LTV, ļaujot pielāgot noturēšanas stratēģijas. Galvenie ietekmējošie faktori ir lietošanas ilgums, naudas atmaksas summa un piegādes attālums.Piedāvātā pieeja nodrošina efektīvu stratēģiju, balansējot prognozēšanas precizitāti un interpretējamību. Turpmākajos pētījumos var analizēt plašākas datu kopas, iekļaut transakcijas datus un uzlabot modeļa veiktspēju.