典型文献
付费知识直播用户流失预测实证研究
文献摘要：
发挥机器学习算法在分类预测方面的优势,通过实证研究探索付费知识直播用户流失预测模型,分析预测特征变量,为用户留存管理提供决策依据.以知乎Live为数据来源,从用户价值特征及评价特征两个维度出发,采集用户最近一次消费时间、月均消费次数、次均消费金额、首次消费时间及评分、评论文本共六项特征数据,基于六种机器学习算法构建预测模型,比较不同模型的预测效果.对比分析特征变量在用户流失预测中的贡献度,根据关键特征变量划分流失用户类型,提出相应留存策略.评分与评论文本情感对用户流失预测具有显著作用;基于集成学习的XGBoost用户流失预测模型综合表现最好,随机森林次之,集成学习优越的泛化性能得到验证;通过分析影响用户流失预测的重要变量,归纳总结出四类流失用户类型.
文献关键词：
机器学习;知识直播;知识付费;用户流失;预测效果;用户价值;用户评价
中图分类号：
作者姓名：
邢绍艳;朱学芳
作者机构：
南京大学信息管理学院,南京,210023
文献出处：
引用格式：
[1]邢绍艳;朱学芳-.付费知识直播用户流失预测实证研究)[J].信息资源管理学报,2022(04):121-130,140
A类：
B类：
知识直播,用户流失预测,机器学习算法,分类预测,研究探索,分析预测,特征变量,用户留存,决策依据,知乎,Live,数据来源,用户价值,价值特征,费时间,月均,金额,评论文本,六项,特征数据,六种,贡献度,关键特征,用户类型,应留,文本情感,集成学习,XGBoost,型综合,综合表现,泛化性能,四类,知识付费,用户评价
AB值：
0.30531
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
