如何預處理交易數據以預測購買概率？

Question

我正在使用先前購買的數據預測客戶今日購買概率的零售商店的模型。爲了簡便起見，說，我們有3個大類產品（A，B，C），我想用在Q1，Q2和Q3 2017年客戶的購買歷史來預測的概率在2017年第四季度到

買

我應該如何構建我的指標文件？

我嘗試：

我想預測的變量是紅色的細胞生產集。

請注意以下事項：

• 由於我的客戶羣，是這兩年一樣，我使用的客戶如何行事去年預測他們會怎麼做照片在今年年底（這是未知的）。
• 數據由三個月分離，同事sugested這是不正確的，因爲我無意中每一個在4賦予更大的權重指標分解，當他們應該只是每個類別之一。

備選：

我sugested另一個形式給出了使用每個類別的兩個指標：Ex.'bought_in_category_A」和 'days_since_bought_A'。對我而言，這看起來更簡單，但是模型只能預測IF如果客戶購買Y，而不是他們購買Y的時間。另外，如果客戶從未購買A，會發生什麼？我不能使用0，因爲這意味着從未買過的顧客離前幾天剛剛購買的顧客更近。

問題：

1. 這是結構確定，還是會構造以另一種方式的數據？
2. 在這種情況下可以使用去年的信息嗎？
3. 它是確定以「分裂」一個cateogorical變量分成幾個二元變量？這是否會影響賦予該變量的重要性？

Answer 1

不幸的是，你需要以達到預測分析了不同的方法。

• 例如，產品的性能在這裏未知的（顏色，味道， 大小，季節性，....）
• 沒有關於客戶 （年齡，性別信息，生活區等。 ..）
• 您需要更多的「交易」 信息，（何時，爲什麼 - 他們如何購買等......）
• 什麼是「生命週期」產品？這是否與時尚有關？
• 你在哪個分支？ （零售，散裝，金融，服裝...）
• 同時您做過任何活動嗎？這將如何衡量？

我第一會（如果適用的話）上的類別關係和行爲的每個季度concetrate： 例如當N1減小然後N2下降 當q1爲比Q2或Q1/2016 VS Q2/2017以下。

我想你應該首先與業務分析師一起工作，以找出正確的「規則」和方法。

我不認爲你可以用這些通用假定的數據得到具體答案。 通常情況下，您需要至少3-5年的數據來做一些下降預測分析，具體取決於產品的性質。 希望，這有所幫助。

;-)

-mwk