我有来自电子商店交易的历史数据。我想编写一个预测模型并检查特定用户是否会在有折扣或没有折扣的情况下购买,所以我可以做一些定位优惠。
这个想法是:
- 如果用户会以正常价格购买,则不会有报价。
- 如果用户不会以正常价格购买,请检查他/她是否会以优惠价购买。
通过这种方式,我将避免向以正常价格购买的人提出要约。
所以,我仍在头脑风暴中,试图找到一种方法来实现 1-2。我应该创建两个单独的模型来预测 1) 和 2) 与第二个模型吗?还是我应该将两者加入一个预测模型?
我有来自电子商店交易的历史数据。我想编写一个预测模型并检查特定用户是否会在有折扣或没有折扣的情况下购买,所以我可以做一些定位优惠。
这个想法是:
通过这种方式,我将避免向以正常价格购买的人提出要约。
所以,我仍在头脑风暴中,试图找到一种方法来实现 1-2。我应该创建两个单独的模型来预测 1) 和 2) 与第二个模型吗?还是我应该将两者加入一个预测模型?
您可以使用决策树对这两个用户集进行单一模型预测。
一个好的开始是首先阅读决策树及其应用程序。
您可以将报价作为决定(在这种情况下作为布尔值)。
buying with offer
并且buying without offer
可以作为决策标准。
实际上,您也可以继续输入报价值。例如,
offer>10%
和offer <10%
您的要求表明您可能想要使用uplift Modeling。这在 wiki 文章中有一个简洁的 R 包引用。
这看起来像是一篇实用的论文。