Predicting Reach to Find Persuadable Customers: Improving Uplift Models for Churn Prevention

Référence Lecture notes in computer science, 12986 LNAI, page (44-54)
Publication Publié, 2021-01-01

Article révisé par les pairs

Titre:	Predicting Reach to Find Persuadable Customers: Improving Uplift Models for Churn Prevention
Auteur:	Verhelst, Theo; Shrestha, Jeevan; Mercier, Denis; Dewitte, Jean Christophe; Bontempi, Gianluca
Informations sur la publication:	Lecture notes in computer science, 12986 LNAI, page (44-54)
Statut de publication:	Publié, 2021-01-01
Sujet CREF:	Informatique mathématique
	Informatique générale
Mots-clés:	Causal inference
	Churn prediction
	Uplift modeling
Note générale:	SCOPUS: cp.k
Langue:	Anglais
Identificateurs:	urn:issn:0302-9743
	info:doi/10.1007/978-3-030-88942-5_4
	info:scp/85118118686

Référencement	Visibilité	Pérennité	Facilité
Les publications encodées constituent la bibliographie académique de l'Université.	Les documents déposés sont indexés par les moteurs de recherche (Google Scholar,…).	Les documents déposés en open-access sont archivés au sein du réseau de préservation SAFE-PLN (www.safepln.org).	Les listes de publications sont compatibles avec le CV-ULB, le FNRS et accessibles sur le web.