×

收入提升建模的响应转换和利润分解。 (英语) Zbl 1431.62618号

总结:提升模型支持营销活动规划的决策。通过评估营销处理的因果关系,提升模型有助于将营销行动定位于响应客户,并有效分配营销预算。提升模型的研究重点是转换模型,以最大限度地增加销售额。本文介绍了增量收入最大化的提升模型。如果客户的消费行为不同,与最大化转化率相比,收入最大化是一个更合理的商业目标。提出的方法需要对预测目标、客户级收入进行转换,这有助于使用标准机器学习算法实现因果提升模型。由于许多非买家,竞选收入的分配通常为零膨胀。针对这一建模挑战的补救措施以两阶段模型的形式纳入了拟议的收入提升策略中。使用真实电子商务数据进行的实证实验证实了拟议收入提升策略相对于相关替代方案的优点,包括转换提升模型和最近开发的因果机器学习算法。为了量化改进的目标决策提高营销回报的程度,本文对营销利润进行了分解。将分解应用于数字优惠券目标营销活动,本文提供了证据证明收入提升建模以及因果机器学习可以显著提高营销活动利润。

MSC公司:

62第20页 统计学在经济学中的应用
90B50型 管理决策,包括多个目标
PDF格式BibTeX公司 XML格式引用

参考文献:

[1] 阿姆斯特朗,J.S。;Patnaik,S.,《使用准实验数据开发说服性广告的经验概括》,《广告研究杂志》,49,2,170-175(2009)
[2] Ascarza,E.,《留住无用:瞄准高风险客户可能无效》,《营销研究杂志》,55,1,80-98(2018)
[3] 阿西,S。;Imbens,G.,《异质因果效应的递归划分》,《美国国家科学院学报》,113,27,7353-7360(2016)·Zbl 1357.62190号
[4] 阿西,S。;Tibshirani,J。;Wager,S.,广义随机森林,《统计年鉴》,47,2,1148-1178(2019)·Zbl 1418.62102号
[5] Baesens,B。;Viaene,S。;Van den Poel,D。;Vantheinen,J。;Dedene,G.,直接营销中重复购买模型的贝叶斯神经网络学习,《欧洲运筹学杂志》,138,1,191-211(2002)·Zbl 1008.90515号
[6] Ballings,M。;Van den Poel,D.,《社交媒体中的CRM:预测Facebook使用频率的增长》,《欧洲运筹学杂志》,244,1,248-260(2015)·Zbl 1346.90412号
[7] Baumann,A。;Haupt,J。;Gebert,F。;Lessmann,S.,隐私的价格:收集点击流数据的经济价值评估,商业与信息系统工程,61,413-431(2018)
[8] 博达帕蒂,A。;Gupta,S.,《目标营销中预测离散反应的直接方法》,《营销研究杂志》,41,1,73-85(2004)
[9] 蔡,T。;田,L。;Wong,P.H。;Wei,L.J.,个性化治疗选择的随机比较临床试验数据分析,生物统计学,12,2,270-282(2011)·Zbl 1437.62406号
[10] 查拉,N.V。;鲍耶,K.W。;洛杉矶霍尔。;Kegelmeyer,W.P.,SMOTE:合成少数人过采样技术,《人工智能研究杂志》,16,321-357(2002)·Zbl 0994.68128号
[11] Chen,T。;Guestrin,C.,XGBoost:一个可扩展的树增强系统,(Krishnapuram,B.;Shah,M.;Smola,A.J.;Aggarwal,C.;Shen,D.;Rastogi,R.,《第22届ACM SIGKDD国际知识发现和数据挖掘会议论文集》(KDD’16)。第22届ACM SIGKDD知识发现和数据挖掘国际会议论文集(KDD’16),ACM(2016),785-794
[12] 小鸡,医学博士。;Heckerman,D.,《目标广告的决策理论方法》(Boutiler,C.;Goldszmidt,M.,《第16届人工智能不确定性会议论文集》(UAI'00)。《第16届人工智能不确定性会议论文集》(UAI'00),Morgan Kaufmann(2000),82-88
[13] Devriendt,F。;摩尔多瓦,D。;韦贝克,W.,《隆起建模最先进技术的文献调查和实验评估:规范分析发展的垫脚石》,大数据,6,1,13-41(2018)
[14] Diemert,E。;贝特利,A。;Renaudin,C。;Massih-Reza,A.,《隆起建模的大规模基准》(AdKDD和TargetAd研讨会论文集(2018),英国伦敦)
[15] 多莉,V。;希尔,J。;沙利特,美国。;斯科特,M。;Cervone,D.,《因果推断的自动化方法与自制方法:从数据分析竞赛中吸取的教训》,《统计科学》,第34、1、43-68页(2019年)·Zbl 1420.62345号
[16] 法耶兹,U.M。;Piatetsky-Shapiro,G。;Smyth,P.,从大量数据中提取有用知识的KDD过程,ACM通信,39,11,27-34(1996)
[17] Goldfarb,A。;Tucker,C.,《在线展示广告:针对性和突兀性》,营销科学,30,3,389-404(2011)
[18] Gubela,R.M。;Bequé,A。;Gebert,F。;Lessmann,S.,《电子商务中的转换提升:建模策略的系统基准》,《国际信息技术与决策杂志》,18,3,747-791(2019)
[19] 盖尔曼,L。;M.Guillén。;Pérez-Marin,A.M.,《实施最佳个性化营销干预的决策支持框架》,《决策支持系统》,72,24-32(2015)
[20] 盖尔曼,L。;M.Guillén。;Pérez-Marin,A.M.,《提升随机森林,控制论与系统》,46,3-4,230-248(2015)
[21] 古铁雷斯,P。;Gérardy,J.-Y.,因果推断和提升模型:文献综述,(2007年预测应用和API国际会议论文集(2017)),1-13
[22] Hahn,P.R、Murray,J.S.和Carvalho,C.(2019)。因果推理的贝叶斯回归树模型:正则化、混淆和异质效应。预印arXiv:1706.09523·Zbl 1475.62102号
[23] Hansen,B.B。;Bowers,J.,简单、分层和集群比较研究中的协变量平衡,统计科学,23,2,219-236(2008)·Zbl 1327.62019年
[24] Hansotia,B。;Rukstales,B.,《多渠道零售商的直接营销:问题、挑战和解决方案》,《数据库营销与客户战略管理杂志》,9,3,259-266(2002)
[25] Hansotia,B。;Rukstales,B.,增量价值建模,《互动营销杂志》,16,3,35-46(2002)
[26] 哈斯蒂,T。;Tibshirani,R。;Friedman,J.H.,《统计学习的要素》(2009),Springer:Springer New York·Zbl 1273.62005年
[27] Hill,J.L.,因果推断的贝叶斯非参数建模,《计算与图形统计学杂志》,20,12117-240(2011)
[28] Hill,J.L。;Su,Y.S.,《使用贝叶斯非参数评估因果推断中缺乏共同支持:评估母乳喂养对儿童认知结果影响的意义》,《应用统计年鉴》,第7期,第3期,第1386-1420页(2013年)·Zbl 1283.62220号
[29] Hofstetter,H。;杜塞尔多普,E。;Zeileis,A。;Schuller,A.A.,《龋齿建模经验:使用跨栏模型的优势》,《龋病研究》,50,6,517-526(2016)
[30] Holland,P.W.,《统计学和因果推断》,《美国统计协会杂志》,81,396,945-960(1986)·Zbl 0607.62001
[31] Imai,K。;Ratkovic,M.,《评估随机方案评估中的治疗效果异质性》,《应用统计年鉴》,7,1,443-470(2013)·Zbl 1376.62036号
[32] Imbens,G.W。;Rubin,D.B.,《统计、社会和生物医学科学中的因果推断》(2015),剑桥大学出版社:剑桥大学出版社,纽约·Zbl 1355.6202号
[33] 雅罗斯泽维奇(Jaroszewicz,S.)。;Rzepakowski,P.,《使用生存数据进行提升建模》(2014年ACM SIGKDD健康信息学研讨会论文集(HI-KDD’14)。2014年ACM SIGKDD健康信息学研讨会论文集(HI-KDD’14),美国纽约(2014))
[34] 凯恩,K。;Lo,V.S.Y。;Zheng,J.,《使用真实提升模型挖掘真正响应的客户和潜在客户:新方法和现有方法的比较》,《营销分析杂志》,2014年第2期,第4期,第218-238页
[35] Knaus,M.C.、Lechner,M.和Strittmatter,A.(2018年)。异质因果效应的机器学习估计:经验蒙特卡罗证据。IZA第12039号讨论文件·兹伯利07546390
[36] Y.Kochura。;斯特连科,S。;Alienin,O。;Novotarskiy,M。;Gordienko,Y.,单线程和多线程模式下各种参数的开源机器学习框架的性能分析,(Shakhovska,N.;Stepashko,V.,Advances in intelligent systems and computing II(2017),Springer),243-256
[37] Künzel,S.R。;Sekhon,J.S。;Bickel,P.J。;Yu,B.,使用机器学习评估异质治疗效果的元学习者,《国家科学院学报》,116,10,4156-4165(2019)
[38] 库西斯托,F。;科斯塔,V.S。;Nassif,H。;伯恩赛德,E。;页码,D。;Shavlik,J.,用于差异预测的支持向量机,(Calders,T.;Esposito,F.;Hüllermier,E.;Meo,R.,《欧洲数据库机器学习和知识发现会议论文集》(ECML PKDD’14),第二部分(2014),Springer),50-65
[39] 赖,Y.-T。;王凯。;Ling,D。;施,H。;Zhang,J.,《存在自愿买家时的直接营销》,(第六届数据挖掘国际会议论文集(ICDM’06)。第六届数据挖掘国际会议论文集(ICDM’06),IEEE计算机学会(2006),922-927
[40] Lambert,D.,零膨胀泊松回归,及其在制造缺陷中的应用,《技术计量学:物理、化学和工程科学统计杂志》,34,1,1-14(1992)·Zbl 0850.62756号
[41] Lechner,M.(2019)。用于估计异质因果效应的修正因果森林。IZA第12040号讨论文件。
[42] 莱斯曼,S。;Baesens,B。;Seow,H.-V。;Thomas,L.C.,《信用评分的标杆先进分类算法:研究更新》,《欧洲运筹学杂志》,247,1,124-136(2015)·Zbl 1346.90835号
[43] 莱斯曼,S。;Haupt,J。;库塞门特,K。;De Bock,K.W.,《为盈利而瞄准客户:支持营销决策的集成学习框架》,信息科学(2019年)
[44] Ling,C.X。;Li,C.,《直接营销的数据挖掘:问题与解决方案》,(Agrawal,R.;Stolorz,P.E.;Piatetsky-Shapiro,G.,《第四届知识发现与数据挖掘国际会议论文集》(KDD’98)(1998),AAAI出版社),73-79
[45] Lo,V.S.Y.,真实提升模型:数据库营销中响应建模的一种新的数据挖掘方法,ACM SIGKDD探索通讯,4,2,78-86(2002)
[46] Lo,V.S.Y。;Pachamanova,A.D.,《从预测性抬升建模到规定性抬升分析:处理优化的实用方法,同时考虑估计风险》,《营销分析杂志》,3,2,79-95(2015)
[47] Magliozzi,T.L。;Berger,P.D.,《直接营销中的列表细分策略》,Omega,21,1,61-72(1993)
[48] Martens,D.和Provost,F.(2011年)。基于消费者交易数据的伪社会网络。纽约大学工作文件CeDER-11-05。https://ssrn.com/abstract=1934670
[49] Nassif,H。;库西斯托,F。;伯恩赛德,E.S。;Shavlik,J.W.,《ROC提升建模:SRL案例研究》,(Zaverucha,G.;Costa,V.S.;Paes,A.,《第23届归纳逻辑编程国际会议论文集》(ILP’13)(2013),40-45
[50] NCH营销服务(2018)。年终优惠券事实一目了然。https://www.nchmarketing.com/2018-year-end-coupon-facts-at-a-glance.aspx访问2019年8月14日。
[51] Neslin,S.A。;古普塔,S。;镰仓,W。;卢,J。;Mason,C.H.,《缺陷检测:测量和理解客户流失模型的预测准确性》,《营销研究杂志》,第43、2、204-211页(2006年)
[52] Oprescu,M.、Syrgkanis,V.和Wu,Z.S.(2019年)。因果推理的正交随机森林。预打印arXiv:1806.03467
[53] Powers,S。;钱,J。;Jung,K。;舒勒,A。;新罕布什尔州沙阿。;Hastie,T.,《高维异质性治疗效果评估的一些方法》,《医学统计学》,37,11,1767-1787(2018)
[54] 新泽西州拉德克利夫(Radcliffe,N.J.),《使用控制组以预测升力为目标:构建和评估升力模型》,《直接营销分析杂志》,第1期,第14-21页(2007年)
[55] Radcliffe,N.J.和Surry,P.D.(1999)。差异反应分析:通过隔离单个动作的影响来模拟真实反应。苏格兰爱丁堡大学数学学院学分评分和学分控制IV。
[56] Radcliffe,N.J.和Surry,P.D.(2011年)。使用基于重要性的提升树进行真实世界的提升建模。纵向技术报告,TR-2011-1。
[57] 雷默斯,I。;谢,C.,优惠券是扩大还是蚕食收入?来自电子市场的证据,《管理科学》,65,1,286-300(2019)
[58] 鲁达西,K。;Jaroszewicz,S.,用于隆起建模、数据挖掘和知识发现的线性回归,32,5,1275-1305(2018)·Zbl 1411.68120号
[59] Rzepakowski,P。;Jaroszewicz,S.,单处理和多处理隆起建模的决策树,知识与信息系统,32,2,303-327(2012)
[60] Rzepakowski,P。;Jaroszewicz,S.,《直接营销中的提升模型》,《电信与信息技术杂志》,第243-50页(2012年)
[61] 北施罗德。;Hruschka,H.,《比较替代品以解释直接营销模型中未观察到的异质性》,决策支持系统,103,24-33(2017)
[62] 沙尔,A。;Abdessalem,T。;Segard,O.,悲观的隆升建模(第22届ACM SIGKDD知识发现和数据挖掘会议论文集,KDD’16)。第22届ACM SIGKDD知识发现和数据挖掘会议记录(KDD’16),美国旧金山(2016))
[63] 沙利特,美国。;F.D.约翰逊。;Sontag,D.,《估计个体治疗效果:推广界限和算法》,(第34届机器学习国际会议论文集(ICML’17)。第34届机器学习国际会议(ICML’17)会议记录,澳大利亚悉尼(2017)
[64] 那么,泰斯,M。;雅罗斯泽维奇(Jaroszewicz,S.)。;Rzepakowski,P.,隆起建模的集成方法,数据挖掘和知识发现,29,6,1531-1559(2015)
[65] 苏,X。;Kang,J。;范,J。;莱文,R.A。;Yan,X.,《促进大型观察研究的得分和因果推理树》,《机器学习研究杂志》,132955-2994(2012)·Zbl 1433.68382号
[66] 塔迪,M。;加德纳,M。;Chen,L。;Draper,D.,《数字实验中异质治疗效应的非参数贝叶斯分析》,《商业与经济统计杂志》,34,4,661-672(2016)
[67] 田,L。;Alizadeh,A.A。;先生们,A.J。;Tibshirani,R.,估算治疗与大量协变量之间相互作用的简单方法,美国统计协会杂志,109,508,1517-1532(2014)·Zbl 1368.62294号
[68] 韦贝克,W。;Dejaeger,K。;Martens,D。;胡尔,J。;Baesens,B.,《电信行业流失预测的新见解:利润驱动的数据挖掘方法》,《欧洲运筹学杂志》,218,1,211-229(2012)
[69] 温岭,T。;Jung,K。;卡拉汉,A。;舒勒,A。;沙阿,N。;Gallego,B.,《利用医疗保健数据库的观察数据评估异质治疗效果的比较方法》,《医学统计》,37,23,3309-3324(2018)
[70] 雅曼,I。;Yger,F。;阿提夫,J。;Sugiyama,M.,从单独的标签提升建模,(2018年神经信息处理系统进展会议录31(NIPS’18)。2018年神经信息处理系统进展会议31(NIPS’18),加拿大蒙特利尔(2018),9927-9937
[71] 姚,X。;克鲁克,J。;Andreeva,G.,《使用支持向量机增强违约损失的两阶段建模方法》,《欧洲运筹学杂志》,263,2,679-689(2017)
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。