Code Monkey home page Code Monkey logo

cltv-prediction-with-bg-nbd-and-gamma-gamma-models-'s Introduction

Müşteri Yaşam Boyu Değeri(CLTV) nedir?

  • Müşteri yaşam boyu değeri (CLTV), müşteri deneyimi programının bir parçası olarak izlenmesi gereken önemli istatistiklerden biridir. CLTV, yalnızca satın alma bazında değil, tüm ilişki genelinde bir müşterinin şirketiniz için ne kadar değerli olduğunun bir ölçümüdür.
  • CLTV, bir müşterinin tüm ilişkileri boyunca bir işletmeye verdiği toplam değerdir. Mevcut müşterileri elde tutmak, yenilerini kazanmaktan daha az maliyetli olduğu için önemli bir ölçümdür, bu nedenle mevcut müşterilerinizin değerini artırmak, büyümeyi sağlamak için harika bir yoldur.
  • CLV'yi bilmek, işletmelerin kar marjlarını korurken yeni müşteriler edinme ve mevcut müşterileri elde tutma stratejileri geliştirmelerine yardımcı olur.

image

Customer Life Time Value Prediction by Using BG-NBD & Gamma-Gamma (BG-NBD ve Gamma-Gamma modelleri ile CLTV Tahmini)

Bu teknikleri kullanarak:

  • Önümüzdeki dönemde hangi müşteri ne kadar alım yapacak?
  • Önümüzdeki dönemde en çok satın alma işlemini hangi ilk N müşterilerin yapması bekleniyor?
  • Müşteri, işimiz için nasıl bir değer yaratacak?

gibi önemli değerlerin cevabını bulabiliriz.

image

  • BG-NBD Modeli, her müşterinin satın alma davranışlarının dağılımını modelleyecek ve her müşteri için beklenen işlem sayısını tahmin edecektir.

  • Gama-Gama Alt Modeli, beklenen ortalama kar dağılımını modelleyecek ve her müşteri için beklenen ortalama karı tahmin edecektir.

BG-NBD Model

  • BG-NBD Modeli olarak bilinen Beta Geometrik / Negatif Binom Dağılımıdır. Buy Till You Die (Ölene Kadar Al) olarak da karşımıza çıkabilir. Bize bir sonraki dönemde koşullu beklenen işlem sayısını verir.
    • Bu model aşağıdaki sorulara cevap verebilir:
      • Önümüzdeki hafta kaç işlem(Transaction) olacak?
      • Önümüzdeki 3 ayda kaç işlem olacak?
      • Önümüzdeki 2 hafta içinde en çok satın alma işlemini hangi müşteriler yapacak?

Bu model, beklenen işlem sayısını tahmin etmek için olasılığı kullanarak 2 süreci modeller. - Transaction Process (Buy) - Dropout Process (Till You Die)

Gamma-Gamma Submodel

  • Bu modeli, her bir müşteri için ne kadar ortalama kâr elde edebileceğimizi tahmin etmek için kullanırız. Kitle için ortalama karı modelledikten sonra bize her müşteri için beklenen ortalama karı verir.

    • Bir müşterinin parasal değeri (bir müşterinin işlem miktarlarının toplamı), işlem değerlerinin ortalaması etrafında rastgele dağıtılacaktır.
    • Ortalama bir işlem değeri müşteriler arasındaki dönemlerde değişebilir ancak bir müşteri için değişmez.
    • Ortalama işlem değeri, tüm müşteriler arasında gama olarak dağıtılacaktır.

cltv-prediction-with-bg-nbd-and-gamma-gamma-models-'s People

Contributors

selcuksan avatar

Stargazers

 avatar  avatar

Watchers

 avatar

Recommend Projects

  • React photo React

    A declarative, efficient, and flexible JavaScript library for building user interfaces.

  • Vue.js photo Vue.js

    🖖 Vue.js is a progressive, incrementally-adoptable JavaScript framework for building UI on the web.

  • Typescript photo Typescript

    TypeScript is a superset of JavaScript that compiles to clean JavaScript output.

  • TensorFlow photo TensorFlow

    An Open Source Machine Learning Framework for Everyone

  • Django photo Django

    The Web framework for perfectionists with deadlines.

  • D3 photo D3

    Bring data to life with SVG, Canvas and HTML. 📊📈🎉

Recommend Topics

  • javascript

    JavaScript (JS) is a lightweight interpreted programming language with first-class functions.

  • web

    Some thing interesting about web. New door for the world.

  • server

    A server is a program made to process requests and deliver data to clients.

  • Machine learning

    Machine learning is a way of modeling and interpreting data that allows a piece of software to respond intelligently.

  • Game

    Some thing interesting about game, make everyone happy.

Recommend Org

  • Facebook photo Facebook

    We are working to build community through open source technology. NB: members must have two-factor auth.

  • Microsoft photo Microsoft

    Open source projects and samples from Microsoft.

  • Google photo Google

    Google ❤️ Open Source for everyone.

  • D3 photo D3

    Data-Driven Documents codes.