Odhadování hodnoty návštěvníka pro mediální domy

Abstract

Cı́lem této práce je prozkoumat metody predikce CLV v obchodnı́m prostředı́ založeném na předplatném, porovnat výkon těchto metod na veřejně dostupném souboru dat a implementovat rozšı́řenı́ open-source projektu, které pomůže mediálnı́m domům odhadnout CLV. Modely sBG/NBD, posı́lený regersnı́ strom a neuronová sı́t’ jsou porovnávány na veřejně dostupné datové sadě z hudebnı́ streamovacı́ služby KKBox. Na základě experimentů je nejlepšı́m modelem v predikci CLV na úrovni jednotlivce a kohorty je posı́lený regresnı́ strom, který je následně integrován do rozšı́řenı́ s otevřeným zdrojovým kódem. Konečným produktem této práce je widgetové rozšı́řenı́ projektu REMP - open-source software, který pomáhá mediálnı́m domům monetizovat jejich obsah.The goal of this work is to explore methods of predicting CLV in a subscriptionbased business setting, compare these methods’ performance on a publicly available dataset and implement an open-source extension that will help media houses estimate CLV. The sBG/NBD, gradient boosting regressor, and neural network models are compared on a publicly available dataset from music streaming service KKBox. Based on experiments the best model in predicting CLV on individual and cohort levels is gradient boosting regressor, which is subsequently integrated into open-source extension. The end product of this work is the widget extension of project REMP - open-source software that helps media houses to monetize their content.