我们正在创建旨在从当前客户群中过滤新线索的模型。
我们开始创建倾向模型,为特定产品组的每个客户计算百分比。我想知道对这样的模型进行基准测试并提前展示倾向模型的成功的最佳实践是什么。
谢谢你的回复!
我们正在创建旨在从当前客户群中过滤新线索的模型。
我们开始创建倾向模型,为特定产品组的每个客户计算百分比。我想知道对这样的模型进行基准测试并提前展示倾向模型的成功的最佳实践是什么。
谢谢你的回复!
我假设“倾向模型”可以预测客户采取某种期望行动的可能性。
如果在您的组织中可行,那么衡量模型有效性的一个好方法是 A/B 测试。使用基线选择方法选择一组潜在客户作为对照组。理想情况下,基线方法将是您组织中当前存在的任何方法。然后让您的模型选择一组线索作为实验组。比较对照组和实验组之间的转化率(或您关心的任何其他内容)。
如果 A/B 测试不可行,那么您通常可以使用传统技术评估您的模型。您可以将您的客户群分成训练/测试集。在训练集上训练你的模型,然后对测试集进行倾向预测。将倾向估计值与实际转化率进行比较。