“计算您的客户”：他们什么时候会下次购买？ 基于购买时间的概率客户群分析模型的经验验证-研究论文

这项研究提供了一种验证和比较缺陷购买模型的新方法。 这些模型在非合同环境中指定客户的交易和叛逃过程。 它们通常用于识别公司客户群中的活跃客户并预测购买数量。 令人惊讶的是，文献表明，假设条件完全不同的模型往往具有相似的预测性能。我们表明BTYD模型也可用于预测下一次购买的时间。 此类预测在管理上是相关的，因为它们使管理人员可以选择适当的促销策略来提高收入。 此外，购买时机的预测性能可以更有效地了解BTYD模型的相对质量。对于每个已建立的模型，我们讨论了购买时机的预测。 接下来，我们在三个数据集上比较这些模型的购买时机和购买频率的预测性能。我们表明，尽管Pareto / NBD及其分层贝叶斯扩展[HB]模型在预测交易频率方面表现最佳，但PDO和HB模型可以更准确地预测交易时机。 此外，我们发现跨数据集的模型预测性能差异可以通过行为参数与无需重复购买的客户比例之间的相关性来解释。