知识卡片
交易频次与金额分开建模
BG/NBD侧重交易次数,不能直接反映每次订单金额的差异。Gamma-Gamma模型补充交易金额的异质性,与频次预测结合才接近货币价值预测。组合仍有条件:例如频次与交易金额独立的假设若明显不适用,不能仅因分别拟合成功就相信组合后的LTV。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 第3章 洞察用户长期价值: 基于神经网络的LTV建模 3.1 用户长期价值的概念和商业应用 · 查看原书依据
在这些假设的基础上,模型能在很大范围内给出比较可靠的预测。不仅如此,由于结合了统计学的一些参数方法,对于数据量比较匮乏的场景,模型也能给出相对较好的拟合和分析。这类模型还可以进行扩展和复杂化,比如,BG/NBD模型只考虑了交易次数,并没有考虑每一次交易的价值是不同的。相应地,Gamma-Gamma模型考虑到了这一点,在某些场合可以达到更优的效果,但它仍然假设购买频次和交易价值是独立的。另外,从贝叶斯统计角度看,也有一些框架把上面的模型和
参考来源
- 位置:《数据科学工程实践 用户行为分析与建模、AB实验、SQLFlow》第3章 洞察用户长期价值: 基于神经网络的LTV建模,3.1 用户长期价值的概念和商业应用(来源项目a19c7933-4eda-4176-aebd-30fe7e1ad292;源文件:extracted/数据科学工程实践 用户行为分析与建模、AB实验、SQLFlow/_epub-src/OEBPS/Text/part0018.xhtml)
- 结论依据:原文明确BG/NBD未考虑每次交易价值,Gamma-Gamma补充金额但仍假设频次与价值独立。
- 原始内容:在这些假设的基础上,模型能在很大范围内给出比较可靠的预测。不仅如此,由于结合了统计学的一些参数方法,对于数据量比较匮乏的场景,模型也能给出相对较好的拟合和分析。这类模型还可以进行扩展和复杂化,比如,BG/NBD模型只考虑了交易次数,并没有考虑每一次交易的价值是不同的。相应地,Gamma-Gamma模型考虑到了这一点,在某些场合可以达到更优的效果,但它仍然假设购买频次和交易价值是独立的。另外,从贝叶斯统计角度看,也有一些框架把上面的模型和