Customer retention is crucial in a variety of businesses as acquiring new customers is often more costly than keeping the current ones. As a consequence, churn prediction has attracted great attention from both the business and academic worlds. Traditional efforts in the financial domain mainly focus on domain specific variables such as product ownership or service usage aggregation, however, without considering dynamic behavioral patterns of customers’ financial transactions. In this paper, we attempt to fill in this gap by investigating the spatio-temporal patterns and entropy of choices underlying the customers’ financial decisions, and their relations to customer churning activities. Inspired by previous works in the emerging field of computational social science, we built a prediction model based on spatio-temporal and choice behavioral traits using individual transaction records. Our results show that proposed dynamic behavioral models could predict churn decisions significantly better than traditionally considered factors such as demographic-based features, and that this effect remains consistent across multiple data sets and various churn definitions. We further study the relative importance of the various behavioral features in churn prediction, and how the predictive power varies across different demographic groups. More generally, the proposed features can also be applied to churn prediction in other domains where spatio-temporal behavioral data are available.

中文翻译：

---

行为属性和财务流失预测

客户保留对于各种业务至关重要，因为获取新客户通常比保留现有客户的成本更高。结果，客户流失预测引起了商业界和学术界的极大关注。金融领域的传统工作主要集中在特定领域的变量，例如产品所有权或服务使用情况汇总，但是没有考虑客户金融交易的动态行为模式。在本文中，我们试图通过调查客户的财务决策所依据的时空模式和选择的熵及其与客户搅动活动的关系来填补这一空白。受到新兴的计算社会科学领域的先前著作的启发，我们使用单个交易记录建立了基于时空和选择行为特征的预测模型。我们的结果表明，提出的动态行为模型可以比传统考虑的因素（如基于人口统计学的特征）更好地预测客户流失决策，并且这种影响在多个数据集和客户流失定义之间保持一致。我们进一步研究了流失预测中各种行为特征的相对重要性，以及预测能力如何在不同的人口统计群体之间变化。更一般地，所提出的特征还可以应用于时空行为数据可用的其他域中的流失预测。我们的结果表明，提出的动态行为模型可以比传统考虑的因素（如基于人口统计学的特征）更好地预测客户流失决策，并且这种影响在多个数据集和客户流失定义之间保持一致。我们进一步研究了流失预测中各种行为特征的相对重要性，以及预测能力如何在不同的人口统计群体之间变化。更一般地，所提出的特征还可以应用于时空行为数据可用的其他域中的流失预测。我们的结果表明，提出的动态行为模型可以比传统考虑的因素（如基于人口统计学的特征）更好地预测客户流失决策，并且这种影响在多个数据集和客户流失定义之间保持一致。我们进一步研究了流失预测中各种行为特征的相对重要性，以及不同人口群体的预测能力如何变化。更一般地，所提出的特征还可以应用于时空行为数据可用的其他域中的流失预测。我们进一步研究了流失预测中各种行为特征的相对重要性，以及不同人口群体的预测能力如何变化。更一般地，所提出的特征还可以应用于时空行为数据可用的其他域中的流失预测。我们进一步研究了流失预测中各种行为特征的相对重要性，以及不同人口群体的预测能力如何变化。更一般地，所提出的特征还可以应用于时空行为数据可用的其他域中的流失预测。