ใครช่วยบอกวิธีการสร้างแบบจำลองความใหม่ความถี่และค่าเงิน (RFM) และการสร้างแบบจำลองมูลค่าลูกค้าใน R
นอกจากนี้มีใครบางคนสามารถอ้างอิงวรรณกรรมบางอย่างกับฉันได้หรือไม่
คำตอบ:
สำหรับการอ้างอิงการขุดข้อมูลโดยใช้การวิเคราะห์ RFMควรช่วยเท่าที่คำศัพท์และการอ้างอิงเพิ่มเติมไป
หนึ่งในวิธีที่ง่ายที่สุด (และเป็นที่นิยม) ในการสร้างแบบจำลองความน่าจะเป็นของการตอบสนองลูกค้าคือการใช้การถดถอยโลจิสติกกับ RFM เป็นตัวแปรอธิบาย (ท่ามกลางตัวแปรอื่น ๆ ที่มี)
สำหรับการสร้างแบบจำลองมูลค่าทางการเงินเราสามารถลดรายได้ลงใน RFM โดยตรง (โดยใช้แบบจำลองเชิงเส้นง่าย ๆ สำหรับการเริ่ม) ซึ่งมักจะทำได้ดีอย่างน่าประหลาดใจ โมเดลขั้นสูง / ไม่ใช่เชิงเส้น (เช่นฟอเรสต์แบบสุ่มหรือเครื่องเร่งสีไล่ระดับสี) ทำได้ดีกว่าแบบจำลองเชิงเส้นในประสบการณ์ของฉัน
แนวทางที่ได้รับความนิยมอีกวิธีหนึ่งคือการสร้างแบบจำลองที่ซับซ้อนขึ้นเล็กน้อยสำหรับการทำนายมูลค่าทางการเงินตามแบบจำลองย่อยสองแบบ: สำหรับความน่าจะเป็นในการตอบสนอง (เช่นใช้การถดถอยโลจิสติกส์เป็นฟังก์ชันของ RFM) มันอาจจะง่ายเหมือนแบบจำลองเชิงเส้นของ RFM) มูลค่าตัวเงินที่คาดหวังคือผลผลิตของการทำนายทั้งสอง
หากข้อมูลการทดสอบ / การควบคุมแบบสุ่มมีอยู่เทคนิค uplift / netliftนั้นเป็นที่นิยมมากสำหรับการสร้างแบบจำลองประโยชน์ที่เพิ่มขึ้นของการรักษา
สำหรับค่าวงจรชีวิตของลูกค้าดูการสร้างแบบจำลองมูลค่าอายุการใช้งานของลูกค้าสำหรับการตรวจสอบและการอ้างอิงเพิ่มเติม
เกี่ยวกับการสร้างแบบจำลองใน R ฉันไม่ได้ตระหนักถึงแพคเกจ "นอกชั้น" สำหรับการสร้างแบบจำลองชนิดนั้น R จัดเตรียม Building Block ที่จำเป็นทั้งหมดไว้สำหรับการทำสิ่งนั้น (ยกเว้นว่าคุณมีข้อมูลจำนวนมหาศาล - ในกรณีนี้คุณอาจต้องใช้เครื่องมือที่ปรับขนาดได้มากขึ้น)
ไม่แน่ใจว่าคุณยังคงทำงานกับโมเดล RFM อยู่หรือไม่ ที่นี่ ( pdf ) เป็นบทความ / บทความสั้น ๆ สำหรับแพ็คเกจ BTYD ใน R ที่อาจเป็นประโยชน์กับคุณ บทความทั้งหมดขึ้นอยู่กับ R และมี 3 รุ่นให้ดู ในหน้า 1, 2.1 การเตรียมข้อมูลคุณสามารถดูบริบทเกี่ยวกับ RFM ได้