ライフタイムバリューを予測する (BG/NBDモデル) - け日記
今回は、顧客のライフタイムバリューを予測する方法の1つとして、BG/NBDモデルを紹介します。 モチベーション 顧客のライフタイムバリューを予測できると、その顧客に対してどれだけ投資して良いかがわかります。ここで言う投資は、クーポンやポイントなどのインセンティブ、DMや電話などの営業努力のことです。 また、離脱 (churn) の予測にも転用できます。過去に売上に大きく貢献してきた人が、未来のライフタイムバリューはそれと比べると極めて小さい、または、ゼロとなることが予測されるケースです。 新規顧客の獲得は既存顧客の維持よりも遥かに大変なことはよく知られてます。また、過去には大きく売上に貢献していたので、引き止められれば優良顧客まで戻る見込みは高いはずです。 BG/NBDモデル このライフタイムバリューを予測するモデルの1つに、BG/NBD (Beta-Geometric / Negativ
【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
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
