Swiggy Uses 350+ Features and Multi-Task MLP to Predict Customer Lifetime Value

Swiggy는 350개 이상의 기능과 다중 작업 MLP를 사용해 고객 생애 가치를 예측합니다.

Swiggy는 350개 이상의 사전 주문 기능과 다중 작업 MLP를 활용하여 고객 생애 가치를 예측하는 모델을 개발했습니다. 주문 수를 보조 작업으로 추가함으로써 모델 매개변수가 63% 줄어들고 예측 성능이 향상되었습니다. 이 pLTV 신호는 Google Target ROAS 입찰과 함께 사용되어 고객 확보를 최적화합니다.

Swiggy predicts customer lifetime value using over 350 features and a multi-task MLP.

Swiggy developed an in-house model to predict customer lifetime value utilizing more than 350 pre-order features and a multi-task MLP. By adding order count as an auxiliary task, they reduced model parameters by 63% while improving predictive performance. The pLTV signal is used in conjunction with Google Target ROAS bidding to optimize customer acquisition.