.png){kind=icon}
返回
Predicting Mobile Payment Behavior Through Explainable Machine Learning and Application Usage Analysis
.png){kind=icon}
OA
AI
DOI：10.3390/jtaer20020117.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
在日益竞争的移动生态系统中，理解用户行为对于提升目标销售和广告效果至关重要。随着智能手机的广泛普及和移动应用种类的不断增加，用户行为预测变得更加复杂。本研究提出了一种综合框架，用于预测移动支付行为，该框架整合了人口统计、情境和行为因素，并着重关注移动应用使用模式。为应对数据复杂性，我们采用了一种机器学习模型组合，包括极端梯度提升（Extreme Gradient Boosting）、轻量梯度提升机（Light Gradient Boosting Machine）和CatBoost，并结合Shapley加性解释（SHAP）以提高可解释性。对来自韩国安卓用户的大规模面板数据分析显示，将应用使用行为纳入此类模型可显著提升移动支付预测的准确性。研究识别出支付行为的关键预测因子，这些因子由高Shapley值指示，例如使用社交网络服务（如KakaoTalk和Instagram）、媒体应用（如YouTube）以及金融和会员应用（如Toss和OK Cashbag）。此外，SHAP力分析的结果揭示了移动购买在个体会话层面的驱动因素。这些发现丰富了移动支付预测领域的文献，并为通过识别移动交易的关键行为驱动因素来改进目标营销策略提供了实践见解。
Keyword:
mobile payment behavior
machine learning
SHAP
user behavior prediction
targeted marketing
期刊
IF:
4.6
论文数:
1.4K
被引数:
2.7K
机构
暂无机构信息
引用论文
Factors influencing consumption experience of mobile commerce A study from experiential view.png)
INTERNET RESEARCH
INTERNET RESEARCHIF6.8
PREAI
分享收藏
Exploring Determinants Influencing the Intention to Use Mobile Payment Service探索影响移动支付服务使用意向的决定因素
PREAI
分享收藏Mobile payment: Understanding the determinants of customer adoption and intention to recommend the technology移动支付: 了解客户采用和推荐技术的意图的决定因素
PREAI
分享收藏
查看更多内容