Quick detection of any significant c

Quick detection of any significant changes in customer usage behavior is of great importance for providers of subscriptionbased services. Such changes often reveal creeping trends in customer attitude toward using proposed services and could provide useful information for retention programs if recognized at the right time. Service industries such as telecommunications or online content providers propose various services to their customers for a given time interval. Produced by a series of indicator variables each of which denotes a particular service, a binary vector can represent the usage pattern of each customer at a given time period. Time dependent non-homogeneous behavior of customers causes the purchase rate of various services to form an auto-correlated multivariate Bernoulli distribution whose monitoring over time requires employing rather complicated statistical methods. Assuming a well-segmented market, this paper proposes a suitable probability model of customer behavior that can justify the inter-correlations among services and also the autocorrelation between successive values of service usage over time. In this paper, logistic regression models have been employed to represent heterogeneity across different classes of customers. To account for time dependent usage behavior, it is assumed that transition of customers across different classes takes place according to a Markov chain model.
Having

ผลลัพธ์ (ไทย) 1:

ตรวจสอบด่วนแปลง significant ในลักษณะการใช้งานของลูกค้าเป็นสำคัญยิ่งสำหรับผู้ให้บริการ subscriptionbased เปลี่ยนแปลงดังกล่าวมักจะเปิดเผยแนวโน้มเชื่อในทัศนคติของลูกค้าต่อการใช้บริการที่เสนอ และสามารถให้ข้อมูลที่เป็นประโยชน์สำหรับโปรแกรมเก็บข้อมูลถ้ารู้จักการ อุตสาหกรรมบริการเช่นโทรคมนาคมหรือผู้ให้บริการเนื้อหาออนไลน์เสนอบริการต่าง ๆ แก่ลูกค้าสำหรับช่วงเวลาที่กำหนด ผลิตชุดของตัวแปรบ่งชี้ซึ่งหมายถึงการบริการ เวกเตอร์ฐานสองสามารถแทนรูปแบบการใช้งานของลูกค้าแต่ละรายในช่วงเวลาที่กำหนด เวลาขึ้นทำงานไม่เหมือนของลูกค้าทำให้อัตราการซื้อบริการต่าง ๆ แบบ multivariate correlated อัตโนมัติการกระจาย Bernoulli ซึ่งตรวจสอบช่วงเวลาต้องการใช้ค่อนข้างซับซ้อนวิธีทางสถิติ สมมติว่าตลาดห้องแบ่งส่วน เอกสารนี้นำเสนอแบบจำลองความน่าเป็นที่เหมาะสมของพฤติกรรมของลูกค้าที่สามารถจัดความสัมพันธ์ระหว่างบริการและ autocorrelation การระหว่างค่าต่อเนื่องของการใช้บริการช่วงเวลา ในกระดาษนี้ โมเดลถดถอยโลจิสติกมีการจ้างงานถึง heterogeneity ข้ามชั้นเรียนแตกต่างกันของลูกค้า ให้เวลาการใช้งานขึ้นอยู่กับลักษณะการทำงาน จึงสันนิษฐานว่า เปลี่ยนของลูกค้าทั้งประเภทต่าง ๆ ขึ้นตามแบบ Markov โซ่รุ่น.
มี

ผลลัพธ์ (ไทย) 3:

ตรวจสอบอย่างรวดเร็วของ signi จึงไม่สามารถเปลี่ยนแปลงพฤติกรรมการใช้งานของลูกค้าเป็นสำคัญมากสำหรับผู้ให้บริการ subscriptionbased บริการ การเปลี่ยนแปลงดังกล่าวมักจะเปิดเผยแนวโน้มทัศนคติของลูกค้าต่อการคืบคลานเสนอบริการและสามารถให้ข้อมูลที่เป็นประโยชน์สำหรับการเก็บรักษาโปรแกรม ถ้าได้รับการยอมรับในเวลาที่เหมาะสมอุตสาหกรรมบริการ เช่น โทรคมนาคม หรือผู้ให้บริการเนื้อหาออนไลน์ที่นำเสนอบริการต่างๆให้กับลูกค้าของพวกเขาเพื่อให้ช่วงเวลา . ผลิตโดยชุดของตัวแปรแต่ละตัวบ่งชี้ที่แสดงเป็นบริการเฉพาะเวกเตอร์ไบนารีสามารถเป็นตัวแทนของรูปแบบการใช้ของลูกค้าแต่ละรายในเวลาที่กำหนดระยะเวลาเวลาอยู่กับ non-homogeneous พฤติกรรมของลูกค้าให้เกิดการซื้อคะแนนของบริการต่างๆ ในรูปแบบความสัมพันธ์แบบอัตโนมัติ การตรวจสอบตลอดเวลาต้อง Bernoulli ซึ่งค่อนข้างซับซ้อน โดยใช้วิธีการทางสถิติ . ทะลึ่งดีแบ่งส่วนตลาดบทความนี้ได้เสนอแบบจำลองความน่าจะเป็นที่เหมาะสมของพฤติกรรมของลูกค้าที่สามารถตัดสินระหว่างความสัมพันธ์ระหว่างการบริการและยังอัตสหสัมพันธ์ระหว่างค่าต่อเนื่องของการใช้บริการในช่วงเวลา ในกระดาษนี้ , ตัวแบบถดถอยโลจิสติกได้ถูกใช้เป็นตัวแทนของความหลากหลายในชั้นเรียนที่แตกต่างกันของลูกค้า บัญชีสำหรับเวลาขึ้นอยู่กับการใช้พฤติกรรมว่ากันว่า การเปลี่ยนของลูกค้าข้ามชั้นเรียนที่แตกต่างกันเกิดขึ้นตามเป็นลูกโซ่มาร์คอฟโมเดล
มี .