Apr, 2024

RE-RFME 模型：房地产客户细分的 RFME 模型

PDF
TL;DR我们提出了一种名为 RE-RFME 的端到端管线用于将客户细分为高价值、有潜力、需关注和需激活的四个群体。具体地，我们提出了一种新颖的 RFME（最近性、频率、货币和参与度）模型来跟踪客户的行为特征并将其细分为不同的类别。最后，我们使用 K-means 聚类算法将用户划分为 4 个类别之一。我们展示了该方法在房产网站和移动应用用户的真实 Housing.com 数据集上的有效性。
发现论文，激发创造
  • 英国零售市场中客户分群的聚类算法探索

    发展一个客户分割模型，以提高零售市场行业中的决策流程，并采用 RFM 框架量化客户价值，并比较了几种聚类算法，结果显示 GMM 优于其他方法，Silhouette 评分为 0.80。

    Feb, 2024

  • 直销中基于人工智能的客户画像、分群及销售预测

    本文提出了一种数据挖掘预处理方法来开发客户画像系统，以提高销售业绩，包括客户权益估算和客户行为预测，研究强调客户分割方法和算法以提高预测准确性，主要结果是创建客户资料和商品销售预测。

    Feb, 2023

  • 探索 360 度客户视角进行相似模型建模

    本文提出了一种新的框架来统一客户的不同行为或特征，例如人口统计数据、不同平台上的购买行为、客户忠诚度等，从而建立一个类似模型来提高 Rakuten 集团的客户定位的效果。实验结果表明，这种类似模型对于用户定位任务是有效的。

    Apr, 2023

  • 电子商务营销中寻找相似客户

    本篇论文介绍了一种可扩展、高效的系统，利用基于深度学习的嵌入模型和近似最近邻搜索方法，将目标的营销受众扩大，并能构建可以解释和有意义的客户相似度度量标准，实验结果表明该系统和客户嵌入模型效果显著。

    Jan, 2023

  • 使用神经网络建模客户在线行为：应用于转化预测和广告复投

    本文利用神经网络对数字营销进行优化，建立了能够对用户在线行为模型的模型，在此基础上利用蒙特卡罗模拟预测未来潜在客户的转化率。

    Apr, 2018

  • 何时购买？购买时机的生存机器学习模型比较

    利用机器学习技术，该研究分析了市场营销中的机器学习技术，如支持向量机、深度学习和生存模型，以预测个体的购买决策。研究发现，DeepSurv 模型预测购买完成度最好，这些洞见可帮助营销人员提高转化率。

    Aug, 2023

  • 基于深度学习顺序框架的零售业顾客流失建模

    本研究使用基于循环神经网络的深度生存分析模型，仅利用个体客户行为预测其购买行为，不需要耗时的特征工程过程，旨在帮助全球零售商提高客户留存率，从而提高业务利润。

    Apr, 2023

  • 体育中心顾客细分：案例研究

    本文通过分析一个具有个性化特征的特定案例研究，提出了一种对于客户细分的稳健且创新的方法，该方法通过方便的数据划分、自适应距离函数定义以及遗传算法的优化来增强数据集可靠性，从而改进了运营效率和市场营销策略，最终提高了客户体验。

    May, 2024

  • 通过金融时间序列聚类实现金融包容性信贷产品

    金融包容确保个人能够获得满足其需求的金融产品和服务，此论文提出了一种新颖的时间序列聚类算法，以了解客户的金融行为，并在不依赖限制性信用惯例的情况下根据客户的需求提供独特的产品。

    Feb, 2024

  • 金融服务应用的动态客户嵌入

    本文提出了一种利用动态客户嵌入的方法，通过客户的数字活动和广泛的金融背景，学习 FS 行业客户的密集表示。使用这种方法，作者在三个预测问题上进行了实际测试，并取得了良好的效果，包括客户下一次数字会话的意图、客户在会话后打电话给客服的概率，以及数字会话被认为是欺诈的概率。

    Jun, 2021