¿Puede alguien decirme cómo hacer un modelo de recencia, frecuencia y valor monetario (RFM) y un modelo de valor del cliente en R?
Además, ¿alguien puede remitirme alguna bibliografía al respecto?
En cuanto a las referencias, Minería de datos mediante el análisis RFM debería ayudar en cuanto a la terminología y otras referencias.
Una de las formas más sencillas (y populares) de modelar la probabilidad de respuesta de los clientes es utilizar la regresión logística con la RFM como variables explicativas (entre otras variables disponibles).
Para modelar el valor monetario, uno podría simplemente hacer una regresión de los ingresos en el RFM directamente (utilizando un modelo lineal simple para empezar), que suele funcionar sorprendentemente bien. Según mi experiencia, los modelos más avanzados/no lineales (como Random Forest o Gradient Boosting Machine) funcionan mejor que los modelos lineales.
Otro enfoque popular consiste en construir un modelo ligeramente más complejo para predecir el valor monetario basado en dos submodelos: uno para la probabilidad de respuesta (por ejemplo, utilizando la regresión logística en función del RFM), y el otro para los ingresos condicionados a la respuesta (de nuevo, podría ser tan simple como un modelo lineal del RFM). El valor monetario esperado es el producto de las dos predicciones.
Si se dispone de datos aleatorios de prueba/control, entonces técnicas basadas en la elevación/elevación de la red son bastante populares para modelar el beneficio incremental de un tratamiento.
En cuanto al valor del ciclo de vida del cliente, véase Modelar el valor de vida del cliente para una revisión y más referencias.
Con respecto a la modelización en R, no conozco ningún paquete "off-the-shelf" para ese tipo de modelización. Sin embargo, R proporciona todos los bloques de construcción necesarios para ello (a menos que tengas una enorme cantidad de datos, en cuyo caso puede que tengas que recurrir a herramientas más escalables)
@Yevgeny, tengo dos preguntas sobre las sugerencias que has dado. En primer lugar, en cuanto a la modelización del valor monetario, ¿está bien hacer una regresión de los ingresos utilizando Monetario entre las variables predictoras? Me temo que serán la misma variable. En segundo lugar, ¿tiene algún recurso en línea que pueda ayudarme a entender cómo llevar a cabo la regresión lineal condicionada a la respuesta (utilizando el segundo enfoque que ha descrito)? Muchas gracias.
1) Está bien siempre que no se confundan las variables explicativas/de entrada (de datos pasados) y la variable objetivo (de datos "futuros") 2) Sólo hay que elegir el subconjunto de datos en el que los clientes compraron algo y hacer una regresión de los ingresos sobre las variables explicativas
No estoy seguro de si todavía está trabajando en el modelado de RFM. Aquí ( pdf ) es un artículo / la viñeta para el paquete BTYD en R que podría serle útil. Todo el artículo está basado en R y tiene 3 modelos diferentes para ver. En la página 1, 2.1 Preparación de los datos, puede ver el contexto sobre los MFR.
Existe un nuevo paquete de R que implementa algunas de las últimas técnicas de modelización para el CLV en entornos no contractuales (por ejemplo, la venta al por menor): https://cran.r-project.org/package=CLVTools
A continuación se presenta un recorrido paso a paso basado en los datos de un minorista de ropa: https://www.clvtools.com/articles/CLVTools.html
I-Ciencias es una comunidad de estudiantes y amantes de la ciencia en la que puedes resolver tus problemas y dudas.
Puedes consultar las preguntas de otros usuarios, hacer tus propias preguntas o resolver las de los demás.
1 votos
También puede consultar BTYD paquete en R. O comprar hasta morir el paquete. Creo que Bruce Hardie es uno de los autores. Aunque no estoy muy seguro.