一种基于协同过滤与BG/NBD模型数据预测的智能手机节能策略

为了节省智能手机电池的能源,基于用户访问数据的可预测性,提出一个基于用户访问数据预测的手机节能策略模型。利用基于混合变量属性的K-means算法对已知用户进行聚类分组,建立相似用户群;利用BG/NBD模型对用户连续搜索期望进行预测;针对有价值的用户,结合协同过滤推荐算法,通过相似用户的历史数据分析预测当前用户未来可能访问的数据信息;利用数据预存储机制预存上述预测数据,通过降低通信次数的方式达到手机节能的目的。初步实验结果表明,所提出的节能策略可以在不影响用户使用满意度的情况下节省约13%以上的能量。

基于BG/NBD模型的电信客户终身价值测度研究

在技术水平不断提升以及产品服务趋于同质化的环境下,我国移动通信企业开始由基础网络建设向专业化的增值业务转型,在激烈的市场竞争中,及时准确的挖掘高价值客户,提供个性化的功能业务,提升客户价值,成为各通信企业获取新竞争优势的有效途径之一。在BG/NBD模型的基础上,通过捕捉客户随机交易行为,构建了客户终身价值测度模型,结合电信运营商的客户数据进行客户终身价值预测研究,结果发现,模型在客户整体层面和个体层面均能有效且准确的预测客户终身价值。

基于BG/NBD模型的客户重复购买预测实证研究

本研究从提高预测分析的实用性出发,以Beta-Geometric/Negative Binomial Distribution(BG/NBD)模型为基础,结合CDNOW网站客户购买数据进行了客户重复购买的实证研究。主要研究内容包括:(1)BG/NBD模型的介绍;(2)基于模型对客户的购买频率进行预测并进行拟合性分析;(3)依据实证结果对于预测模型的适用性分析。

移动渠道与PC渠道客户购买率与流失率差异

基于移动渠道的特征,拓展了客户关系管理领域具有代表性的BG/NBD模型。通过在模型中引入协变量,分析不同交叉购买行为下移动客户和传统线上客户在购买率和流失率上的差异。进一步,以2012~2014年京东商城19189名客户购买数据为分析单位,对拓展模型进行估计和分析。结果表明:移动客户的购买率显著高于传统线上客户的购买率,而且移动客户的流失率也显著低于传统线上客户的流失率。同时发现,交叉购买行为对上述关系具有显著的调节作用:在有交叉购买行为的情况下,移动客户与传统线上客户无论是在购买率还是流失率上的差异比没有交叉购买行为下的差异更显著。

基于商品品类的零售业客户经济价值预测分析

本文研究销售多品类商品的零售业客户经济价值预测问题,认为客户未来经济价值是其在各品类商品经济价值期望值的总和。将商品品类因素加入传统客户价值随机概率模型,建立基于商品品类的客户经济价值预测模型,通过零售超市实际数据检验模型预测效果,并分别从客户层面和商品品类层面探讨该模型的应用与意义。结论认为,基于商品品类的客户经济价值预测模型适用于包括零售业在内的销售多品类商品的企业,可以在不降低原模型预测精度的前提下,有助于零售企业从客户层面分析客户未来经济价值构成,以及从商品品类层面找到各类商品的营销活动对象和依据,一方面使客户在企业端的画像更加清晰,另一方面有助于企业营销资源的有效投放。