エントリーの編集
エントリーの編集は全ユーザーに共通の機能です。
必ずガイドラインを一読の上ご利用ください。
pLTV: 顧客生涯価値を予測する|Dentsu Digital Tech Blog
記事へのコメント0件
- 注目コメント
- 新着コメント
このエントリーにコメントしてみましょう。
注目コメント算出アルゴリズムの一部にLINEヤフー株式会社の「建設的コメント順位付けモデルAPI」を使用しています
- バナー広告なし
- ミュート機能あり
- ダークモード搭載
関連記事
pLTV: 顧客生涯価値を予測する|Dentsu Digital Tech Blog
電通デジタルで機械学習エンジニアをしている今井です。 本記事では、顧客生涯価値を予測するための統計... 電通デジタルで機械学習エンジニアをしている今井です。 本記事では、顧客生涯価値を予測するための統計モデルについて紹介します。 pLTVの求め方マーケティングにおける顧客評価のための重要な指標として顧客生涯価値(life time value, LTV)が広く使われています。 LTVを高精度に予測できるようになると、適切なマーケティング活動を通して優良顧客との長期的な関係構築が可能となります。 LTVを予測するにあたり、次のように要素を分解します。 pLTV = 生存確率 × 期待購買回数 × 期待購買金額 これらの3要素を推定するためのモデルとしてBTYDモデル[1]が提案されています。 BTYDモデルはECビジネスのような都度払いで売買が行われる取引を想定しています。 (サブスクリプション型のサービスでは期待購買回数と期待購買金額が一定であるため、生存時間解析などを用いて契約期間を推定す