Ai đó có thể cho tôi biết làm thế nào để thực hiện mô hình hóa, tần suất và mô hình giá trị tiền tệ (RFM) và mô hình giá trị khách hàng trong R không?
Ngoài ra, ai đó có thể giới thiệu cho tôi một số tài liệu về nó?
Câu trả lời:
Đối với tài liệu tham khảo, Khai thác dữ liệu bằng cách sử dụng Phân tích RFM sẽ giúp ích về mặt thuật ngữ và các tài liệu tham khảo khác.
Một trong những cách đơn giản nhất (và phổ biến) để mô hình xác suất phản hồi của khách hàng là sử dụng hồi quy logistic với RFM làm các biến giải thích (trong số các biến có sẵn khác).
Để mô hình hóa giá trị tiền tệ, người ta chỉ có thể hồi quy trực tiếp doanh thu trên RFM (bằng cách sử dụng một mô hình tuyến tính đơn giản cho người mới bắt đầu) thường rất tốt. Các mô hình nâng cao / phi tuyến tính hơn (như Random Forest hoặc Gradient Boosting Machine) làm tốt hơn các mô hình tuyến tính theo kinh nghiệm của tôi.
Một cách tiếp cận phổ biến khác là xây dựng một mô hình phức tạp hơn một chút để dự đoán giá trị tiền tệ dựa trên hai mô hình con: một mô hình xác suất phản hồi (ví dụ: sử dụng hồi quy logistic như một chức năng của RFM) và mô hình khác cho điều kiện doanh thu dựa trên phản hồi (một lần nữa, nó có thể đơn giản như một mô hình tuyến tính của RFM). Giá trị tiền tệ dự kiến là sản phẩm của hai dự đoán.
Nếu có sẵn dữ liệu kiểm tra / kiểm soát ngẫu nhiên thì các kỹ thuật dựa trên nâng / nâng là khá phổ biến để mô hình hóa lợi ích gia tăng của điều trị.
Đối với giá trị vòng đời của khách hàng, hãy xem Mô hình giá trị trọn đời của khách hàng để xem xét và tham khảo thêm.
Liên quan đến mô hình hóa trong R, tôi không biết về bất kỳ gói "ngoài giá" nào cho loại mô hình đó. R không cung cấp tất cả các khối xây dựng cần thiết cho điều đó (trừ khi bạn có lượng dữ liệu khổng lồ - trong trường hợp đó bạn có thể phải dựa vào các công cụ có thể mở rộng hơn)
Không chắc chắn nếu bạn vẫn đang làm việc trên mô hình RFM. Ở đây ( pdf ) là một bài viết / họa tiết cho gói BTYD trong R có thể hữu ích cho bạn. Toàn bộ bài viết dựa trên R và nó có 3 mô hình khác nhau để xem xét. Trên Trang 1, 2.1 Chuẩn bị dữ liệu, bạn có thể xem ngữ cảnh về RFM.