我试图根据客户之前的交易历史来预测客户来到我们办公室时想要什么服务。我有 7 年的交易数据（3000 万笔交易），而且很多客户都是常客。每项服务都是针对每个客户的。

样本数据

[
    {
        "customerId":"1xxxx",
        "txns":[
            {
                "serviceId":"12ds23",
                "date":"2016-08-03T08:43:33Z"
            },
            {
                "serviceId":"1dsd89",
                "date":"2016-09-03T08:43:33Z"
            },
            {
                "serviceId":"1dbbb89",
                "date":"2016-10-03T09:43:33Z"
            }
        ]

    },{
        "customerId":"2xxxx",
        "txns":[
            {
                "serviceId":"dds2dfsd",
                "date":"2016-08-03T08:43:33Z"
            },
            {
                "serviceId":"dsdsdsdf",
                "date":"2016-09-03T08:43:33Z"
            },
            {
                "serviceId":"sdfbb9",
                "date":"2017-10-03T09:43:33Z"
            },
            ...
            ...
        ]

    },
    ...
    ..
    ..
]

有人可以建议在这种情况下哪种机器学习技术或统计方法最好。

我可以想到一个决策树分类/逻辑回归模型，将日期（月、日、星期几）作为预测他想要作为类标签的服务的特征