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。
【Python】実務でデジタルマーケティングに取り組むエンジニア社員がZILNを使ったLTV予測してみた - ENGINEERING BLOG ドコモ開発者ブログ
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
【Python】実務でデジタルマーケティングに取り組むエンジニア社員がZILNを使ったLTV予測してみた - ENGINEERING BLOG ドコモ開発者ブログ
本記事は、ドコモアドベントカレンダー17日目の記事になります。 こんにちは。NTTドコモサービスイノベ... 本記事は、ドコモアドベントカレンダー17日目の記事になります。 こんにちは。NTTドコモサービスイノベーション部3年目社員の九島です。 主な業務は、マーケティング分野への機械学習・AI活用です。 今回は、これからのマーケティングではより重要となる指標のLife Time Value(以下、LTV)を機械学習・AIを用いて予測する方法についてご紹介したいと思います。 ※本記事ではPythonが準備されていることを前提としています。また、Kaggleのデータセットを利用します。Kaggleについては本記事内でデータの取得方法について解説しています。 この記事を読んでわかること LTVとは何か LTVを機械学習・AIで予測する方法と検証方法(コード&解説付き) Kaggleデータの利用方法 LTVとは LTVとは、マーケティングにおいて重要視すべき指標の一つでして、「企業に対してその顧客が生涯で