在这里我们将向您展示如何使用客户的完整购买历史记录来充分利用您的数据。我们错过的数据客户在您的商店购买商品后您立即获得有关他们的大量信息他们购买哪些产品购买多少次花费多少购买的频率最后次购买是什么时候项采购。户位置性别年龄等的附加信息。我们进行大量研究来分析哪些变量是下产品推荐的最佳指标。
取得成功使用广告附加
如果您有兴趣阅读更多相关内容我们会推荐和。交叉 卢森堡数据 销售的下产品购买模型作者进行全面的案例研究比较不同的下产品购买模型。该文章的主要结论之是口统计和货币变量增加模型的预测能力但产品所有权是最有价值的预测因素。模型选择理论上任何多类分类模型都可以在这里工作多项逻辑回归朴素贝叶斯神经网络判别分析等。
信息帮助他们更好地解
我们选择神经网络模型因为通过对多商店的研究和 埃及 WhatsApp 号码列表 测试它表明成为最好的。尽管如此其他些模型也可以具有与神经网络类似的性能水平但我们没有看到它们中的任何模型优于神经网络。训练聪明。训练您的模型可能有点棘手因为只有重复购买的客户才对训练您的模型有用。在获得相当数量的数据之前尝试进行智能重定向是没有意义的。