Journal of intelligent systems: E-commerce big data processing based on an improved RBF model

Lu, Qiuping

Bibliografische Daten

Dateien

Externe Ressourcen

Zeitschrift

Titel:: Journal of intelligent systems

Erschienen:: Berlin: de Gruyter

Fußnote:: Gesehen am 15.07.2021; Open Access; Namensnennung 4.0 International

Umfang:: Online-Ressource

ISSN:: 2191-026X

ZDB-ID:: 2598392-1

VÖBB-Katalog:: 35275778

Schlagworte:: Zeitschrift

ZLB-Systematik:: Informatik

Sammlung:: Informatik

Copyright:: Rechte vorbehalten

Zugriffsberechtigung:: Freier Zugang

Aufsatz

Verfasser:: Lu, Qiuping

Titel:: E-commerce big data processing based on an improved RBF model

Erschienen:: Berlin: de Gruyter, 2024

Sprache:: Englisch

Zusammenfassung:: Abstract: In the dynamic landscape of China’s booming economy, the surge in e-commerce customer volume presents both opportunities and challenges, notably in managing customer churn (CC). Addressing this critical issue, this study introduces an innovative approach employing a radial basis function neural network for predicting CC within the e-commerce sector. To enhance the model’s performance in handling the vast and complex data inherent to e-commerce, the least absolute shrinkage and selection operator regression algorithm is employed, optimizing the model’s predictive accuracy. By meticulously analyzing the customer lifecycle, this refined model adeptly predicts churn at various stages, enabling the identification of features most correlated with churn. Empirical results underscore the model’s exceptional capability, achieving a prediction accuracy of 95% and a remarkably low loss rate of 3%. Furthermore, during the excavation, advanced, stable, and decline stages of the customer lifecycle, accuracy levels of 97.6, 93.1, 92.7, and 91.8% are attained, respectively, facilitating the precise selection of highly correlated customer features. Thus, the advanced churn prediction model proposed herein significantly contributes to the e-commerce domain, offering a robust tool for strategizing customer retention and mitigating churn.

Umfang:: Online-Ressource

Fußnote:: Open Access; Archivierung/Langzeitarchivierung gewährleistet

Schlagworte:: RBF model ; customer churn ; Lasso algorithm ; big data ; lifecycle

ZLB-Systematik:: Informatik; Sonstiges

URN:: urn:nbn:de:101:1-2412211602221.547076950954

Sammlung:: Informatik; Sonstiges

Copyright:: CC BY

Zugriffsberechtigung:: Freier Zugang

fullscreen: E-commerce big data processing based on an improved RBF model / Lu, Qiuping (CC BY)

Zugriffsbeschränkung

Freier Zugang: Das Werk ist uneingeschränkt verfügbar.

Nutzungslizenz

CC BY: Namensnennung 4.0 International. Weitere Informationen finden Sie hier.

Zugriffsbeschränkung

Nutzungslizenz

Dateien

Zeitschrift

Aufsatz

Schnellzugriff

Downloads

Ganzer Datensatz

Bildfragment

Formate und Verlinkungen

Formate

Zitieren

Ganzer Datensatz

Zitierempfehlung

fullscreen: E-commerce big data processing based on an improved RBF model / Lu, Qiuping (CC BY) Zugriffsbeschränkung Freier Zugang: Das Werk ist uneingeschränkt verfügbar. Nutzungslizenz CC BY: Namensnennung 4.0 International. Weitere Informationen finden Sie hier.

Zugriffsbeschränkung

Nutzungslizenz

Schnellzugriff

Bildfragment

fullscreen: E-commerce big data processing based on an improved RBF model / Lu, Qiuping (CC BY)

Zugriffsbeschränkung

Freier Zugang: Das Werk ist uneingeschränkt verfügbar.

Nutzungslizenz

CC BY: Namensnennung 4.0 International. Weitere Informationen finden Sie hier.