В условиях высокой конкуренции на рынке онлайн-сервисов показатель пожизненной ценности клиента становится важным инструментом управления маркетинговыми ресурсами и удержания пользователей. Традиционные вероятностные модели (BG/NBD, Gamma-Gamma) не учитывают динамику поведения клиентов и нелинейные зависимости в данных. В настоящем исследовании предложен подход к прогнозированию LTV на основе открытого набора транзакционных данных онлайн-платформы за четыре года. Методология включает разведочный анализ данных, feature engineering на основе RFM-метрик с расширенными поведенческими признаками, кластеризацию K-Means, сравнительный анализ вероятностных моделей и алгоритмов машинного обучения (XGBoost, LightGBM, Random Forest), а также SHAP-интерпретацию значимости признаков.

Астапенкова А.В., Берген Д.С. (науч. рук. Чуракова И.Ю.) Прогнозирование ltv пользователей онлайн-сервисов на основе поведенческих данных // Сборник тезисов докладов конгресса молодых ученых. Электронное издание. – СПб: Университет ИТМО, [2026]. URL: https://kmu.itmo.ru/digests/article/17773