我公司销售的单一产品是一种商品。如果你买了它，我可以肯定你会在不久的将来从我或我的竞争对手那里再次购买它。需求受天气影响。如果我们有高温，我的产品销量就会下降，反之亦然。

我每次销售都有以下数据：

• 顾客
• 销售当天平均气温
• 交易中购买的产品数量
• 客户仓库规模
• 购买时的价格
• 销售时间戳

问题：

我想根据历史时间序列数据，获得客户今天需要我的产品的概率。我想要一个%。根据历史数据，客户 X 今天有 70% 的概率需要您的产品。有了它，我可以得到一份今天有 80% 或更高概率购买并采取行动的所有客户的列表。

我看到的复杂性：

• 我有很多数据，因为我有很多客户，但对于单个客户，我平均只有 5 次购买。

• 如果客户不忠诚并且从我的竞争对手那里获得产品，我就会有漏洞，导致销售间隔不规则的时间跨度。

什么是解决这个问题的好算法？

我考虑过使用时间序列进行回归，但我不会得到概率。也许在我的训练集中转换每个客户重新购买的时间戳，并尝试根据购买之间的天数进行聚类。