客户再购买的预测分析:购买到你的模具建模和机器学习的跨学科集成( Predictive Analytics for Customer Repurchase: Interdisciplinary Integration of Buy till You Die Modeling and Machine Learning )

Ping Chou Howard Hao-Chun Chuang Yen-Chun Chou Ting-Peng Liang

预测顾客再购买倾向/频率已经得到了市场营销、运筹学、统计学和计算机科学的广泛研究兴趣。在市场营销领域，买到你死(BTYD)模型可能是最具代表性的顾客再购买预测技术。这些概率模型是简洁的，通常只涉及客户活动的最近性和频率。与BTYD模型相反，另一类客户再购买的预测模型是机器学习。这类模型包括各种各样的计算和统计学习算法。与建立在低维输入和行为假设基础上的BTYD模型不同，机器学习更多的是数据驱动，并擅长将预测模型与客户交易的大量特征相匹配。利用一个大型网上零售数据，我们对BTYD模型和机器学习的预测性能进行了实证评估。更重要的是，我们研究了这两种方法如何在回购预测中相互补充。我们使用BG/BB模型，给出离散和非契约问题集，并将BG/BB估计纳入高维Lasso回归。除了比BG/BB和没有BG/BB的Lasso显示出显著的改进外，集成的LASSO-BG/BB提供了可解释性，并将BG/BB预测确定为100个预测器中最有影响力的特征。最近发展起来的CART人工神经网络也表现出类似的模式。鲁棒性检验进一步表明，所提出的LASSO-BG/BB优于两种复杂的递归神经网络，验证了机器学习和BTYD建模的互补性。我们通过阐明我们的跨学科整合的两个建模范式如何有助于预测分析的理论和实践来结束。

SciDown文献求助系统（解决99%问题） Public Download ResearchGate