如何预处理交易数据以预测购买概率？

Question

我正在为一家百货公司开发一个模型，该模型使用以前购买的数据来预测客户今天购买的概率。为简单起见，假设我们有 3 类产品（A、B、C），我想使用客户在 2017 年第一季度、第二季度和第三季度的购买历史来预测 2017 年第四季度的购买概率。

我应该如何构建我的指标文件？

我的尝试：

我要预测的变量是生产集中的红色单元格。

请注意以下几点：

• 由于我的客户群在这两年都是相同的，我使用一张客户去年表现的照片来预测他们在今年年底会做什么（这是未知的）。
• 数据是按三个月分开的，一位同事认为这是不正确的，因为我无意中更重视将每一项分成 4 份的指标，而实际上每个类别应该只有一项。

替代方案：

我被建议的另一种方法是每个类别使用两个指标：例如'bought_in_category_A'和'days_since_bought_A'。对我来说，这看起来更简单，但是模型只能预测客户是否会购买 Y，而不是他们何时会购买 Y。此外，如果客户从未购买过 A，会发生什么？我不能使用 0，因为这意味着从未购买过的客户更接近几天前刚购买过的客户。

问题：

1. 这种结构是否可行，或者您会以其他方式构建数据吗？
2. 在这种情况下可以使用去年的信息吗？
3. 可以将一个分类变量“拆分”成几个二元变量吗？这会影响赋予该变量的重要性吗？

Answer 1

很遗憾，您需要一种不同的方法来实现预测分析。

• 例如，这里的产品属性未知（颜色、味道、 大小，季节性，....）
• 没有关于客户的信息 （年龄、性别、居住区域等...）
• 您需要更多“事务性” 信息，（何时，为什么 - 他们是如何购买等......）
• 什么是产品的“生命周期”？跟时尚有关系吗？
• 你在哪个分支？ （零售、散装、金融、服装......）
• 同时您是否进行过任何活动？这将如何衡量？

我将首先（如果适用）专注于每个季度的类别关系和行为： 例如当 n1 减小时 n2 减小 当 q1 低于 q2 或 q1/2016 vs q2/2017。

我认为您首先应该与业务分析师一起解决这个问题，以便找出正确的“规则”和方法。

我认为您无法通过这些通用假设数据得到具体答案。 通常你需要至少 3-5 年的数据来做一些下降预测分析，当然这取决于你的产品的性质。 希望，这有点帮助。

;-)

-mwk