:本文为 Predicting customer behavior: How we use machine learning to identify paying customers before they subscribe 的简单翻译版本,详细内容请阅读原文。

本案例为 strong.io 公司的一位创业公司客户,该客户开发了一个类SaaS软件,但在经过多年的稳固发展后,他们的每月收入增长却开始变得很缓慢。他们曾经尝试改善他们的产品,但效果可能不好,因此现在将重点放在客户获取上面。 该产品现在每月有超过3000个试用下载,但只有大约3%的用户转化为付费版。

为了弄清是什么原因,他们开始做一个试验:雇佣一些人员,用整整一个月时间,打电话或者email给那些下载了试用版的用户,问问他们对产品的看法,并且帮助他们解决问题。这样一个月过去后,他们的转化率从3.7%上升到5.4%;同时,他们知道了其中很多用户根本对购买付费版没兴趣,他们仅仅是想使用一下免费版里面带的一些工具–他们并不是目标客户!

他们希望 strong.io 通过技术手段将潜在的付费用户区分出来,然后让客户支持团队将精力集中在该潜在客户上。

解决方案

1、记录完整的用户行为信息,每一个用户都会记录维度为70的数据。

2、测试各种机器学习方法。使用 AUC (Area Under the Curve) 方法进行评价;使用一年的数据进行模型训练,使用随后半年的数据进行测试; 其中 Logistic 模型最好可以达到 78% AUC,随机森林模型可以达到 80% AUC,梯度提升模型可以达到 93% AUC。最后,选用了RNN, 可以达到 95% AUC。

3、生成每个试用用户的转化概率,集成到CRM中

4、最终,该公司的转化率上升并且稳定在7.4%.

用户行为预测