مدلهای سنتی پیشبینی رفتار خریداران (مثل SMOTE) در دنیای پیچیده تجارت B2B اغلب شکست میخورند، چون نمیتوانند تنوع رفتاری سازمانها را به درستی درک کنند.
در مقاله جدیدی که در arXiv منتشر شده، محققان فریمورک نوآورانهای معرفی کردهاند که با جایگزینی روشهای قدیمی با تکنیک «تولید دادههای مصنوعی مبتنی بر Counterfactuals» و مدلسازی آماری دقیق، توانستهاند دقت پیشبینی رفتار خریداران را به شکل چشمگیری (تا ۹۳ درصد) افزایش دهند. این یعنی کسبوکارها حالا میتوانند با دقت بسیار بیشتری ریسک مشتریان خود را تحلیل کرده و تصمیمات هوشمندانهتری بگیرند. 📈
منبع: arXiv Machine Learning