Warianty tytułu
Ocena wybranych rozkładów teoretycznych trwania życia do analizy lojalności klientów na przykładzie europejskiego banku detalicznego
Języki publikacji
Abstrakty
One of the key elements related to calculating Customer Lifetime Value is to estimate the duration of a client's relationship with a bank in the future. This can be done using survival analysis. The aim of the article is to examine which of the known distributions used in survival analysis (Weibull, Exponential, Gamma, Log-normal) best describes the churn phenomenon of a bank's clients. If the aim is to estimate the distribution according to which certain units (bank customers) survive and the factors that cause this are not so important, then parametric models can be used. Estimation of survival function parameters is faster than estimating a full Cox model with a properly selected set of explanatory variables. The authors used censored data from a retail bank for the study. The article also draws attention to the most common problems related to preparing data for survival analysis. (original abstract)
Jednym z kluczowych elementów związanych z wyliczaniem wartości klienta w czasie (Customer Life Time Value) jest oszacowanie długości trwania relacji klienta z bankiem w przyszłości. Można ją oszacować z wykorzystaniem metod analizy przeżycia. Celem artykułu jest sprawdzenie, który ze znanych rozkładów wykorzystywanych w analizie przeżycia (Weibulla, wykładniczy, gamma, logarytmicznie normalny) najlepiej opisuje zjawisko odejść klientów z banku. Jeśli celem jest oszacowanie rozkładu, według którego "przeżywają" określone jednostki (klienci banku), a czynniki, które to powodują, nie są aż tak istotne, to modele parametryczne mogą być wykorzystane. Oszacowanie parametrów funkcji przeżycia jest szybsze niż oszacowanie pełnego modelu Coxa z odpowiednio dobranym zestawem zmiennych objaśniających. Do badania wykorzystano dane cenzurowane banku detalicznego. W artykule zwrócono uwagę na najczęstsze problemy związane z przygotowaniem danych do analizy przeżycia. (abstrakt oryginalny)
Rocznik
Numer
Strony
81--92
Opis fizyczny
Twórcy
Bibliografia
- Akaike H. (1974), A New Look at the Statistical Model Identification, "IEEE. Transactions on Automatic Control", vol. Ac-19, no. 6, pp. 716-723.
- Balicki A. (2006), Analiza przeżycia i tablice wymieralności, Polskie Wydawnictwo Ekonomiczne, Warszawa.
- Erişoğlu Ü., Erişoğlu M., Erol H. (2011), A Mixture Model of Two Different Distributions Approach to the Analysis of Heterogeneous Survival Data, "World Academy of Science, Engineering and Technology International Journal of Computer and Information Engineering", vol. 5, no. 6, pp. 544-548.
- Jackson C. (2016), flexsurv: A Platform for Parametric Survival Modeling in R, "Journal of Statistical Software", vol. 70, no. 8, pp. 1-33.
- Jajuga K., Walesiak M. (1999), Standaridisation of data set under different measurement scales, [in]: Classification and Information Processing at the Turn of the Millennium: Proceedings of the 23rd Annual Conference of the Gesellschaftfür Klassifikatione.V., University of Bielefeld, Bielefeld, pp. 105-112.
- Jeffery M. (2010), Data-Driven Marketing. The 15 Metrics Everyone in Marketing Should Know, John Wiley & Sons, Hoboken.
- Kaplan E. L., Meier P. (1958), Nonparametric Estimation from Incomplete Observations, "Journal of the American Statistical Association", vol. 53, no. 282, pp. 457-481.
- The Comprehensive R Archive Network, https://cran.r-project.org (accessed: 23.03.2019).
Typ dokumentu
Bibliografia
Identyfikatory
Identyfikator YADDA
bwmeta1.element.ekon-element-000171605095
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.