零售营销倾向建模:基于消费者生活变化的模型调整。

数据挖掘 预测建模 逻辑回归
2021-09-23 20:49:58

我使用逻辑回归构建了一个预测模型,用于直接标记广告素材。我建立了一个“儿童”模型来预测那些购买男孩、女孩和婴儿服装的人的购买行为。但是一个人现在可能有很高的购买婴儿服装的倾向,但在 12 个月内,当孩子还是蹒跚学步的孩子时,他们对婴儿的倾向会下降,而对女孩/男孩的倾向会增加。我一直在尝试集思广益来考虑这种情况。我的问题是,任何人都可以根据该附加标准建议调整模型的选项吗?

1个回答

如果您拥有所有这些客户的购买数据,这可能是解决问题的一种方法:

您可以根据客户最近的购买将客户分组到自然组中,也可以找到关联规则(客户根据他们最近的购买购买特定类别的可能性)。

我不确定这种方法对你的效果如何,但在我的倾向评分场景中它对我有用。因此,如果有意义,请尝试将您的数据与我的数据联系起来。

我有一份客户名单和他们的购买行为。从这些购买行为中,我推导出关联规则来确定哪个客户可能会购买什么产品类别(基于他们之前的购买——与该组之前的购买相关联)。

您还可以将产品购买的新近度和频率包含在模型中,以决定是否在特定时间向客户推荐特定产品/优惠。

基于这些规则对每个客户的信心、支持和提升指标,我将它们映射到极有可能在此类别中购买,信心是他们的倾向得分。

让我知道这是否适用于您的数据。