如何预测（计算）用户价值—BG/NBD模型

最新推荐文章于 2024-06-02 16:45:33 发布

zero_cola

最新推荐文章于 2024-06-02 16:45:33 发布

阅读量3.2k

点赞数

分类专栏：数据挖掘文章标签：数据挖掘算法

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/afk110/article/details/110931341

版权

BG/NBD模型介绍：

设时间段T中的交易次数x，T的第一个交易的时间t0为起点，最后交易的时间为tx，

在时长为t的时间内的交易数的(总)期望值 $E[X(t)]$

在时长为t的时间内，交易数量为x的(总)概率 $P[X(t)=x ]$

在时长为(T, T+ t]的时间中,一位顾客(x = x, t, T)的交易数的期待值 $E(\Upsilon(t) | X=x, t, T)$

假设：

一个活跃顾客在长度为t的一段时间内的交易量服从交易率λ的泊松分布。 $P(t_j | t_{j-1}, \lambda) = \lambda e^{t_j - t_{j-1}}, t_{j} > t_{j-1} \geq 0$

顾客中交易率λ的非均匀性和服从形状参数r，比例参数α的gamma分布。 $P(\lambda | r, \alpha) = \frac{\alpha^{r} \lambda^{r-1} e^{-\lambda\alpha}}{\Gamma(r)}, \lambda>0$

每次交易后客户变得不活跃的概率为 p，客户退出点服从二项式分布。 $P(inactive immediately after j-th transaction) = p(1-p)^{j-1}, j=1, 2, ...$

不活跃概率p的非均匀性的概率密度函数服从 beta 分布。 $f(p|a, b) = \frac{p^{a-1} (1-p)^{b-1}}{B(a, b)}, 0 \leq p \leq 1$ $B(a, b) = \frac{\Gamma(a)\Gamma(b)}{\Gamma(a+b)}$

不活跃概率p与交易率λ相互独立。

当x=0时，

最低0.47元/天解锁文章

关注

0
点赞
踩
9

收藏

觉得还不错? 一键收藏
0
评论
如何预测（计算）用户价值—BG/NBD模型

BG/NBD模型介绍：设时间段T中的交易次数x，T的第一个交易的时间t0为起点，最后交易的时间为tx，在时长为t的时间内的交易数的(总)期望值在时长为t的时间内，交易数量为x的(总)概率在时长为(T, T+ t]的时间中,一位顾客(x = x, t, T)的交易数的期待值假设：一个活跃顾客在长度为t的一段时间内的交易量服从交易率λ的泊松分布。顾客中交易率λ的非均匀性和服从形状参数r，比例参数α的gamma分布。每次交易后客户变得不活跃的概率为 p，客户退出点服从二...
复制链接

扫一扫

专栏目录

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。