宋一成;纳奇克塔·萨胡;舒巴·斯里尼瓦桑;Chrysantos Dellarocas公司 揭示群体的特征响应路径。 （英语） Zbl 07552228号 信息J.计算。 34，编号3，1661-1680（2022）. 摘要：我们提出了一种从个体级多元时间序列数据集中发现人群特征响应路径的方法。该方法基于一个模型，该模型容纳了一组内生变量、阶间区间和变量的任意分布。该模型通过发现和统计相似个体的集群，实现了个体水平参数的可靠估计。我们表明，使用这种模型，可以将结果变量对脉冲的响应分布在所有可能的先前活动序列上。当一些这样的序列解释了大多数反应时，它们描述了人群从冲动到结果的特征反应路径。我们将所提出的方法应用于大型多渠道专业零售商的客户接触点数据集。此应用程序揭示了六个客户群体，每个群体都有独特的购买路径。这些途径提供了对客户行为的洞察力，以及针对不同客户群体的最佳超时沟通策略。贡献摘要：揭示用户通过物理和虚拟空间的路径在计算和运筹学领域具有相当大的兴趣。现有研究表明，需要通过地理、在线和活动空间可视化代理的主要路径。到目前为止，大多数研究都开发了特定领域特有的方法，以深入了解过程中的领域。需要一种通用的统计稳健方法，该方法可以应用于广泛的领域，以揭示导致感兴趣结果的可变序列。我们提出了一种计算方法，用于从单个级别的多元时间序列数据集中揭示群体的特征响应路径。该方法基于一个统计模型，该模型可容纳内生变量的任意和混合分布集，可容纳会话间隔和变量，并通过发现相似成员的簇，通过统计池可靠地估计个人参数。这些特性使得所提出的模型适用于大量真实数据集。我们表明，使用这样的模型，可以在可能的活动序列上提取特征路径，从脉冲开始，直至目标变量。 MSC公司： 90倍X 运筹学、数学规划 关键词：响应路径;购买路径;分段;多元时间序列模型;混合物模型;动态规划 软件：CompEcon公司;PMTK公司;铲刀 PDF格式BibTeX公司 XML格式引用 \textit{Y.Song}等人，《信息与计算》。34，编号3，1661--1680（2022；Zbl 07552228） 全文： 内政部 参考文献： [1] ACNielsen（2006）《了解购买途径》。程序。ESOMAR汽车大会谷歌学者 [2] Agrawal R，Imieliñski T，Swami A（1993）大型数据库中项目集之间的关联规则挖掘。SIGMOD记录（ACM，纽约），22（2）：207-216.Crossref，谷歌学者·doi:10.1145/170036.170072 [3] Baek J，Shore J（2019）《每人的论坛规模和内容贡献：实地实验》。管理科学66（12）：5906-5924.Link，谷歌学者 [4] 布莱克斯利C（1996）《营销101：制作目录》。Inc.com。https://www.inc.com/articles/1996/10/13150.html谷歌学者 [5] Broidy LM、Nagin DS、Tremblay RE、Bates JE、Brame B、Dodge KA、Fergusson D等人（2003年），《儿童破坏性行为和青少年犯罪的发展轨迹：一项六站点的跨国研究》。Dev.精神病。39（2）：222-245.Crossref，谷歌学者·doi:10.1037/0012-1649.39.222 [6] Catledge LD，Pitkow JE（1995），描述全球网络中的浏览策略。计算。网络ISDN系统27（6）：1065-1073.Crossref，谷歌学者·doi:10.1016/0169-7552（95）00043-7 [7] Chicco D，Jurman G（2020）马修斯相关系数（mcc）相对于f1分数的优势以及二进制分类评估的准确性。BMC基因组学21（1）:6.Crossref，谷歌学者·doi:10.1186/s12864-019-6413-7 [8] Chung J，Gulcehre C，Cho K，Bengio Y（2014）门控递归神经网络对序列建模的实证评估。预印本，于12月11日提交，https://arxiv.org/abs/1412.3555.谷歌学者 [9] Coren Y（2012）了解谷歌分析多渠道漏斗。2021年6月1日访问，http://online-behavior.com/analytics/multi-channel-funnels.Google学者 [10] 法院D、Elzinga D、Mulder S、Vetvik OJ（2009）《消费者决策之旅》。麦肯锡Q。谷歌学者 [11] Davis D、Chen G、Hauff C、Houben G（2016）《衡量MOOC学习者对设计学习路径的坚持性》。程序。第九届国际。教育数据挖掘大会，54-61.谷歌学者 [12] Du B，Zhou W，Liu C，Cui Y，Xiong H（2019）利用张量因子分解进行过境模式检测。信息J.计算。31（2）：193-206.链接，谷歌学者·Zbl 1448.90017号 [13] Farley JU，Ring LW（1966）超市交通流的随机模型。操作。物件。14（4）：555-567.链接，谷歌学者 [14] Fong P，Li W，Yau C，Wong C（2007）关于混合向量自回归模型。加拿大统计学家J。35（1）：135-150.谷歌学者（Google Scholar）交叉引用·Zbl 1124.62059号 ·doi:10.1002/cjs.5550350112 [15] 谷歌（2016a）关于多渠道渠道。https://support.google.com/analytics/answer/1191180？hl=en.google学者 [16] 谷歌（2016b）如何在分析中定义会话：分析帮助。https://support.google.com/analytics/answer/2731565？hl=en.google学者 [17] Granger CW（1969）通过计量经济学模型和交叉谱方法研究因果关系。计量经济学37（3）:424-438.Crossref，谷歌学者·Zbl 1366.91115号 ·doi:10.307/1912791 [18] Gregor S，Benbasat I（1999）《智能系统的解释：理论基础和实践意义》。MIS夸脱。23（4）：497-530.谷歌学者交叉引用·doi:10.2307/249487 [19] Guo T，Lin T，Antulov-Fantulin N（2019）探索多变量数据上的可解释lstm神经网络。程序。国际。Conf.机器学习。（PMLR），2494-2504.谷歌学者 [20] Gupta R、Bagchi A、Sarkar S（2007）《改进网页链接》。信息J.计算。19（1）：127-136链接，谷歌学者 [21] Hanley JA，McNeil BJ（1982）接收机工作特性（roc）曲线下面积的含义和使用。放射科143（1）：29-36.Crossref，谷歌学者·doi:10.1148/放射学.143.1.7063747 [22] Hanssens DM、Pauwels KH、Srinivasan S、Vanhuele M、Yildirim G（2014）《指导营销组合决策的消费者态度指标》。营销科学。33（4）：534-550.Link，谷歌学者 [23] Heinen A，Rengifo E（2007）使用连接函数对时间序列计数数据进行多元自回归建模。J.实证金融14（4）:564-583.Crossref，谷歌学者·doi:10.1016/j.jempfin.2006.07.004 [24] Hochreiter S，Schmidhuber J（1997），长期短期记忆。神经计算。9（8）：1735-1780.谷歌学者Crossref·doi:10.1162/neco.1997.9.8.1735 [25] Hughes AM（2006）战略数据库营销（纽约麦格劳-希尔出版社）。谷歌学者 [26] Johnson H，Johnson P（1993）《解释设施和交互系统》。程序。第一国际。智能用户界面会议（ACM，纽约），159-166。谷歌学者 [27] Kaushik A（2013）多通道归因建模：好的、坏的和丑陋的模型。2021年6月1日访问，http://www.kaushik.net/avinash/multi-channel-attribution-modeling-good-bad-ugly-models/.谷歌学者 [28] Kimelfeld Y（2013）营销人员可以绘制消费者的购买路线图。访问日期：2016年9月6日，https://blog.compete.com/2013/05/08/markets-can-map-the-consumers-traveleto-purchase/.Google学者 [29] Knight W（2017）人工智能核心的黑暗秘密：麻省理工学院技术评论。麻省理工学院技术评论。120（3）：54-61.谷歌学者 [30] Kokkodis M，Lappas T（2016）认识到在线社区的激活潜力。Au gerfalk PJ、Levina N、Kien SS编辑。国际。信息系统会议：十字路口的数字创新（信息系统协会，亚特兰大）。谷歌学者 [31] Lambert D（1992）零膨胀泊松回归，应用于制造缺陷。技术计量学34（1）:1-14.Crossref，谷歌学者·Zbl 0850.62756号 ·doi:10.2307/1269547 [32] Li J，Abbasi A，Cheema A，Abraham L（2020）目标之路？享乐主义与功利主义购物的在线客户旅程有何不同。J.市场营销84（4）：127-146.Crossref，谷歌学者·doi:10.1177/0022242920911628 [33] Lovejoy J（2014）《顾客之旅：解释购买之路》。2016年9月6日访问，http://www.brandwatch.com/2014/10/path-to-urchase/.谷歌学者 [34] Matthews BW（1975）t4噬菌体溶菌酶预测和观察二级结构的比较。Biochimica生物物理学报405（2）：442-451谷歌学者 [35] Millward Brown（2013）《探索新的采购途径》。2016年9月6日访问，https://www.millwardbrown.com/docs/default-source/global-solutions-downloads/channel-optimization/Navigating_the_New_Path_to_Purcement_MBD.pdf.Google学者 [36] Miranda MJ，Fackler PL（2002年）应用计算经济学与金融（麻省理工学院出版社，马萨诸塞州剑桥）。谷歌学者·Zbl 1014.91015号 [37] Moore K（2014）《谷歌分析五大关键绩效指标：网络分析指南》。2016年9月6日访问，http://www.datapine.com/blog/top-5-google-analytics-kpis/谷歌学者 [38] Mostyn S（2015）谷歌分析：需要跟踪的7个重要受众指标。2016年9月6日访问，http://www.practicalcommerce.com/articles/116726-google-analytics-7-important-audience-metrics-to-track.谷歌学者 [39] 墨菲·KP（2012）机器学习：概率的观点（麻省理工学院出版社，马萨诸塞州剑桥）。谷歌学者·Zbl 1295.68003号 [40] Nelder JA，Wedderburn RWM（1972）广义线性模型。英国皇家统计学会135（3）：370-384.Crossref，谷歌学者·doi:10.2307/2344614 [41] Ùzpolat K，Gao GG，Jank W，Viswanathan S（2013）研究说明：第三方担保封条在网上零售中的价值：实证调查。通知。系统研究。24（4）：1100-1111.链接，谷歌学者 [42] Piech C，Sahami M，Koller D，Cooper S，Blikstein P（2012）学生如何学习编程建模。程序。第43届ACM技术交响曲。计算机科学教育（ACM，纽约），153-160.谷歌学者 [43] 里根C（2017）千禧一代比你祖母对目录更感兴趣（CNBC）。2019年7月1日访问，https://www.cnbc.com/2017/12/21/millennials-are-more-interested-in-catalogs-than-your-grandmother-is.html.Google学者 [44] Reimer K、Rutz OJ、Pauwels K（2014）在线消费者细分市场长期营销效果的差异。J.互动营销28（4）：271-284.谷歌学者Crossref·doi:10.1016/j.intmar.2014.05.002 [45] Schwarz G（1978）估算模型的维数。安。统计师。6（2）：461-464.Crossref，谷歌学者·Zbl 0379.62005年 ·doi:10.1214/aos/1176344136 [46] Sims CA，Zha T（1999）脉冲响应的误差带。计量经济学67（5）：1113-1155.谷歌学者交叉引用·Zbl 1056.62533号 ·doi:10.1111/1468-0262.00071 [47] Spiliopoulou M，Mobasher B，Berendt B，Nakagawa M（2003）网络使用分析中会话重建启发式评估框架。信息J.计算。15（2）：171-190.Link，谷歌学者·Zbl 1238.68036号 [48] Trivedi PK，Zimmer DM（2005）Copula建模：从业者简介。计量经济学基础趋势1（1）：1-111.Crossref，谷歌学者·Zbl 1195.91130号 ·doi:10.1561/0800000005 [49] van Rijsbergen C（1979）信息检索（巴特沃斯，伦敦）。谷歌学者 [50] Wright AP、Wright AT、McCoy AB、Sittig DF（2015）使用序列模式挖掘预测下一个处方药物。J.生物医学信息。53:73-80.谷歌学者（Google Scholar）交叉引用·doi:10.1016/j.jbi.2014.09.003 [51] Wu C，Che H，Chan TY，Lu X（2015）网络评论的经济价值。营销科学。34（5）：739-754.链接，谷歌学者 [52] Yang Y，Liu X（1999）《文本分类方法的重新审视》。程序。第22届国际年会。ACM SIGIR信息检索研究与发展会议（ACM，纽约），42-49.谷歌学者 [53] Zaki MJ（2001）SPADE:挖掘频繁序列的有效算法。机器学习42（1/2）:31-60.Crossref，谷歌学者·Zbl 0970.68052号 ·doi:10.1023/A:1007652502315 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。