क्या कोई मुझे बता सकता है कि आर में रीसेंसी, फ़्रीक्वेंसी और मौद्रिक मूल्य (RFM) मॉडलिंग और ग्राहक मूल्य मॉडलिंग कैसे करें?
इसके अलावा, क्या कोई मुझे इस पर कुछ साहित्य का उल्लेख कर सकता है?
जवाबों:
संदर्भों के लिए, RFM विश्लेषण का उपयोग करने वाले डेटा माइनिंग को शब्दावली और आगे के संदर्भों तक जाने में मदद करनी चाहिए।
ग्राहकों की प्रतिक्रिया की संभावना को मॉडल करने के लिए सबसे सरल (और लोकप्रिय) तरीकों में से एक आरएफएम के साथ लॉजिस्टिक रिग्रेशन का उपयोग व्याख्यात्मक चर (अन्य उपलब्ध चर के बीच) के रूप में करना है।
मौद्रिक मूल्य मॉडलिंग के लिए, कोई भी सीधे RFM पर राजस्व प्राप्त कर सकता है (शुरुआत के लिए एक सरल रैखिक मॉडल का उपयोग करके) जो आमतौर पर आश्चर्यजनक रूप से अच्छी तरह से करता है। अधिक उन्नत / गैर-रेखीय मॉडल (जैसे रैंडम फ़ॉरेस्ट या ग्रैडिएंट बूस्टिंग मशीन) मेरे अनुभव में रैखिक मॉडल की तुलना में बेहतर करते हैं।
एक और लोकप्रिय दृष्टिकोण दो उप-मॉडल के आधार पर मौद्रिक मूल्य की भविष्यवाणी करने के लिए थोड़ा और अधिक जटिल मॉडल बनाना है: एक प्रतिक्रिया की संभावना के लिए (उदाहरण के लिए RFM के कार्य के रूप में लॉजिस्टिक प्रतिगमन का उपयोग करना), और दूसरा प्रतिक्रिया पर राजस्व सशर्त के लिए (फिर, यह RFM के रैखिक मॉडल की तरह सरल हो सकता है)। अपेक्षित मौद्रिक मूल्य दो भविष्यवाणियों का उत्पाद है।
यदि यादृच्छिक परीक्षण / नियंत्रण डेटा उपलब्ध है तो एक उपचार के वृद्धिशील लाभ के लिए मॉडलिंग के लिए उत्थान / नेटलिफ्ट आधारित तकनीक काफी लोकप्रिय हैं।
ग्राहक जीवन चक्र मूल्य के लिए, समीक्षा और आगे के संदर्भ के लिए मॉडलिंग ग्राहक जीवनकाल मूल्य देखें ।
R में मॉडलिंग के संबंध में, मुझे उस प्रकार के मॉडलिंग के लिए किसी भी "ऑफ-द-शेल्फ" पैकेज के बारे में पता नहीं है। आर उस के लिए सभी आवश्यक बिल्डिंग ब्लॉक प्रदान करता है, हालांकि (जब तक कि आपके पास बहुत अधिक मात्रा में डेटा न हो - उस स्थिति में आपको अधिक स्केलिंग टूल पर निर्भर रहना पड़ सकता है)
यकीन नहीं होता कि आप अभी भी RFM मॉडलिंग पर काम कर रहे हैं। यहाँ ( पीडीएफ ) एक लेख / आर में बीटीवाईडी पैकेज के लिए विगनेट है जो आपके लिए उपयोगी हो सकता है। पूरा लेख R पर आधारित है और इसमें देखने के लिए 3 अलग-अलग मॉडल हैं। पृष्ठ 1, 2.1 डेटा तैयारी पर, आप RFM के बारे में संदर्भ देख सकते हैं।