非合约型客户终身价值的稳健性度量:经典方法与机器学习算法的综合测算研究 Robust CLV Measurement in Non-contractual Settings:A Study of CLV Measurement Combining Probability Models and Machine Learning Algorithms 作 者：成栋[1];孙莹璐[1];薛薇[2,3] Cheng Dong;Sun Yinglu;Xue Wei(Business School,Renmin University of China,Beijing100872;Center for Applied Statistics of Renmin University of China,Beijing100872;School of Statistics,Renmin University of China,Beijing100872) 作者机构：[1]中国人民大学商学院,北京100872;[2]中国人民大学应用统计科学研究中心,北京100872;[3]中国人民大学统计学院,北京100872 出 版 物：管理评论 年 卷 期：2019年 第4期 摘 要：客户终身价值(CLV)是企业进行客户关系管理的基础,然而非合约关系下客户终身价值的度量一直是研究的难点。本文重点探讨了以Pareto/NBD和BG/NBD为代表的经典概率模型和以GAM和SVM为代表的机器学习算法在非合约客户终身价值度量中的应用。通过对两个数据集的实证研究,对比了四种方法的特点和预测能力。研究发现经典概率模型的预测值较为平稳,适用于描述消费者日常消费规律;GAM则对数据中极端变化的捕捉跟踪能力较强,适用于预测由于门店促销、线上促销和节假日等带来的不规律的集中消费或延时消费的情况。经典方法和机器学习算法对客户终身价值的预测各有所长,基于单一方法的预测会有一定偏差,为得到小偏差和高稳健性的CLV估计,本文认为基于多方法的综合预测是理想的CLV建模策略。 页 码：83-98页 主 题 词：客户终身价值(CLV);Pareto/NBD;BG/NBD;广义可加模型(GAM);支持向量机(SVM) 本文来源：https://www.wddqw.com/doc/66baadeb5b0102020740be1e650e52ea5418ce12.html