文章详情

摘要

电子商务行业快速发展促使客户流失预测愈发重要。本研究着重于利用机器学习技术应对电商领域的客户流失预警难题。文章基于阿里云天池平台数据集，使用随机森林算法构建预测模型，并且将该模型与朴素贝叶斯、K近邻分类算法、决策树等机器学习的经典算法进行比较，验证了随机森林模型在这方面的应用价值。研究结果显示，随机森林模型在客户流失预测任务中的完成效果最佳，明显优于其他对比模型，而在平衡数据集实验中其AUC值也同样比朴素贝叶斯算法、K近邻分类算法和决策树模型更高，充分体现了随机森林模型在区分流失与非流失客户任务中的卓越判别能力，从而证明了随机森林模型对于电商企业构建高效可靠的客户流失预警系统的有效性，为电商企业的预警系统构建提供了方法上的参考。

关键词

客户流失预测；电子商务；随机森林；机器学习

参考文献

1. [1] 吴君卓，王明文，于致远，等.基于图Transformer的客户流失预测模型 [J].江西师范大学学报（自然科学版），2025，49（4）：378-391，432.
2. [2] 贾承瑞.随机森林模型在客户流失预测中的缺陷 [J].全国流通经济，2021（4）：9-11.
3. [3] YULIANTI Y，SAIFUDIN A.Sequential Feature Selection in Customer Churn Prediction Based on Naive Bayes [J/OL].IOP Conference Series: Materials Science and Engineering，2020，879（1）：012090[2025-10-14].https://iopscience.iop.org/article/10.1088/1757-899X/879/1/012090.
4. [4] ETAIWI W，BILTAWI M，NAYMAT G. Evaluation of classification algorithms for banking customer's behavior under Apache Spark Data Processing System [J].Procedia Computer Science，2017，113：559-564.
5. [5] MANZOOR A，QURESHI M A，KIDNEY E， et al. A Review on Machine Learning Methods for Customer Churn Prediction and Recommendations for Business Practitioners [J].IEEE Access，2024，12：70434-70463.
6. [6] 史文兵，刘丽媛，刘亚平.基于随机森林分类的塞罕坝机械林场生态环境质量研究 [J].环境科学与管理，2025，50（6）：189-194.
7. [7] DU M N，LIU N H，HU X. Techniques for interpretable machine learning [J/OL].arXiv:1808.00033 [cs.LG].[2025-10-05].https://doi.org/10.48550/arXiv.1808.00033.
8. [8] JAGADEESH B，SASHIREKHA K. Enhancing Accuracy of Customer Churn Prediction in e-commerce Using Random Forest Algorithm over K-nearest Neighbors Algorithm [C]//International Conference on Newer Engineering Concepts and Technology: ICONNECT-2024.Trichy：AIP，2024：3270.
9. [9] 乔健，诸佳慧，严康桓.基于随机森林CART特征选择改进算法的电信客户流失预测模型 [J].电信工程技术与标准化，2022，35（3）：78-82.
10. [10] 杨琳，白钊，寇勇刚.基于RFM模型的随机森林算法对民航客户的流失分析 [J].计算机与现代化，2021（1）：100-104.
11. [11] 张淼，顾海燕.基于优化决策树参数的随机森林模型预测全国GDP [J].中国林业经济，2025（4）：39-50.
12. [12] 董师师，黄哲学.随机森林理论浅析 [J].集成技术，2013，2（1）：1-7.

作者简介

朱子百嘉（2004—），男，汉族，湖南浏阳人，本科在读，研究方向：经济与管理。