非合约型客户终身价值的稳健性度量:经典方法与机器学习算法的综合测算研究

摘要：

客户终身价值 (CLV) 是企业进行客户关系管理的基础, 然而非合约关系下客户终身价值的度量一直是研究的难点.本文重点探讨了以Pareto/NBD和BG/NBD为代表的经典概率模型和以GAM和SVM为代表的机器学习算法在非合约客户终身价值度量中的应用.通过对两个数据集的实证研究, 对比了四种方法的特点和预测能力.研究发现经典概率模型的预测值较为平稳, 适用于描述消费者日常消费规律; GAM则对数据中极端变化的捕捉跟踪能力较强, 适用于预测由于门店促销、线上促销和节假日等带来的不规律的集中消费或延时消费的情况.经典方法和机器学习算法对客户终身价值的预测各有所长, 基于单一方法的预测会有一定偏差, 为得到小偏差和高稳健性的CLV估计, 本文认为基于多方法的综合预测是理想的CLV建模策略.

关键词：客户终身价值 (CLV)、Pareto/NBD、BG/NBD、广义可加模型 (GAM)、支持向量机 (SVM)

所属期刊栏目：31

资助基金：中国人民大学"中央高校建设世界一流大学;特色发展引导专项资金"

在线出版日期：2019-06-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共16页

页码：83-98