Qualcuno può dirmi come fare la modellazione di recency, frequenza e valore monetario (RFM) e modellazione del valore del cliente in R?
Inoltre, qualcuno può riferirmi della letteratura su di esso?
Risposte:
Per quanto riguarda i riferimenti, l' estrazione dei dati mediante l'analisi RFM dovrebbe aiutare per quanto riguarda la terminologia e ulteriori riferimenti.
Uno dei modi più semplici (e popolari) per modellare la probabilità di risposta del cliente è utilizzare la regressione logistica con RFM come variabili esplicative (tra le altre variabili disponibili).
Per modellare il valore monetario, si potrebbe semplicemente regredire direttamente le entrate sulla RFM (usando un semplice modello lineare per i principianti) che di solito fa sorprendentemente bene. I miei modelli più avanzati / non lineari (come Random Forest o Gradient Boosting Machine) fanno meglio dei modelli lineari nella mia esperienza.
Un altro approccio popolare è quello di costruire un modello leggermente più complesso per la previsione del valore monetario basato su due sotto-modelli: uno per la probabilità di risposta (ad esempio utilizzando la regressione logistica come funzione di RFM) e l'altro per le entrate condizionate alla risposta (di nuovo, potrebbe essere semplice come un modello lineare di RFM). Il valore monetario atteso è il prodotto delle due previsioni.
Se sono disponibili dati di test / controllo randomizzati, le tecniche basate su uplift / netlift sono abbastanza popolari per modellare il beneficio incrementale di un trattamento.
Per quanto riguarda il valore del ciclo di vita del cliente, vedere Modellazione del valore della vita del cliente per una revisione e ulteriori riferimenti.
Per quanto riguarda la modellazione in R, non sono a conoscenza di pacchetti "pronti all'uso" per quel tipo di modellazione. R fornisce comunque tutti i mattoni necessari (a meno che non si disponga di un'enorme quantità di dati, in tal caso potrebbe essere necessario fare affidamento su strumenti più scalabili)
Non sono sicuro se stai ancora lavorando sulla modellazione RFM. Qui ( pdf ) è un articolo / la vignetta per il pacchetto BTYD in R che potrebbe esserti utile. L'intero articolo si basa su R e ha 3 diversi modelli da guardare. A pagina 1, 2.1 Preparazione dei dati, è possibile vedere il contesto delle RFM.