Fakultät 1: Preis für die beste Bachelorarbeit 2021

Deutscher Titel der in Englisch verfassten Arbeit "Ein Ansatz für maschinelles Lernen zur Vorhersage der Abwanderung innerhalb des sozialen Netzwerks Jodel"

In den letzten Jahrzehnten ist die Zahl der sozialen Netzwerke schnell gewachsen. Der Wettbewerb um die Bindung der Kunden, um die Plattform zu vergrößern und die Rentabilität zu steigern, nimmt zu. Aus diesem Grund müssen Unternehmen mögliche Abwanderer erkennen, um diese zu binden. Das Problem der Vorhersage der Nutzerlebensdauer, der abwandernden Nutzer und der Gründe für die Abwanderung kann mit Hilfe von maschinellem Lernen angegangen werden. Ziel dieser Bachelorarbeit ist es, maschinelle Lernmodelle zur Vorhersage der Nutzerabwanderung und der Nutzerlebensdauer innerhalb des sozialen Netzwerks Jodel, einer ortsbezogenen anonymen Messaging-Anwendung für Android und iOS, zu erstellen.

Um die bestmöglichen Vorhersageergebnisse zu erhalten, haben wir mit einer umfangreichen Literaturrecherche begonnen, deren Ansätze wir getestet und zu einer maschinellen Lernpipeline hinzugefügt haben, um Vorhersagemodelle zu erstellen. Mit diesen Modellen haben wir die Leistung nach verschiedenen Beobachtungszeitfenstern untersucht und schließlich die stärksten Modelle verglichen, um Ähnlichkeiten zu erkennen und die Erkenntnisse zum Erlernen ihres Verhaltens zu verstehen.

Die Ergebnisse dieser Arbeit sind maschinelle Lernmodelle für eine ausgewählte repräsentative Gruppe von Gemeinden unterschiedlicher Größe im Königreich Saudi-Arabien und ein Ländermodell, das alle Daten nutzt. Diese Modelle werden für eine Regressionsaufgabe verwendet, bei der die Lebensdauer eines Benutzers vorhergesagt wird, sowie für eine Multi-Label-Klassifizierung eines Benutzers in sechs verschiedene Abwanderungsklassen. Darüber hinaus haben wir auch Modelle für eine binäre Klassifizierung erstellt, bei der das Modell vorhersagt, ob der Nutzer innerhalb einer bestimmten Zeit abwandert oder nicht. Diese Modelle haben eine allgemein starke Vorhersagekraft gezeigt, die mit der Einschränkung des Beobachtungszeitfensters abnimmt. Insbesondere die binäre Klassifizierung ergab eine hohe Genauigkeit von über 99 %.

Die besten Modelle wurden für die Vorhersage der Nutzerabwanderung in anderen Gemeinschaften verwendet, um Gemeinschaften mit möglicherweise ähnlichem Verhalten zu ermitteln. Diese Ähnlichkeiten wurden dann anhand der Wichtigkeit der Merkmale bestimmt, wobei die wichtigsten Merkmale in die Empirie zurückgeführt wurden. Dies hat statistisch signifikante Unterschiede zwischen Nutzergruppen mit unterschiedlicher Aktivitätszeit gezeigt, aber bis heute waren keine eindeutigen Trends zu erkennen, die uns dazu veranlasst hätten, die Verhaltensweisen der Gemeinschaften zu definieren.

Da die Konkurrenz unter den sozialen Netzwerken weiter wächst, wird die Bindung von Nutzern eine zentrale Marketingstrategie bleiben, die durch maschinelles Lernen und künstliche Intelligenz angegangen werden muss. Die erstellten Modelle könnten für die Vorhersage von abwandernden Nutzern innerhalb der Plattform Jodel nützlich sein, um die Kunden zu erkennen, die innerhalb einer bestimmten Zeit abwandern werden.

Anonyme und standortbezogene Nachrichtenübermittlung wurden in der Forschung nur wenig berücksichtigt. Daher eröffnen die Ergebnisse dieser Arbeit über die anonyme Messaging-Anwendung Jodel eine Vielzahl von möglichen Aufgaben für die Zukunft in diesem Kontext.