دانلود ترجمه مقاله پیش بینی ارزش دوره حیات مشتری به وسیله یک مدل داده کاوی مبتنی بر زنجیره مارکوف

1. مقدمه 2. مدل پیش بینی LTV 3. اندازه گیری پارامترهای مدل 4. مطالعه تجربی 5. نتیجه گیری

چکیده – مطالعه حاضر برای یک چارچوب برای محاسبه ارزش دوره حیات مشتری برای شرکتی از صنایع نگهداری و تعمیر اتومبیل تلاش می کند. ارزش دوره حیات مشتری که در این مطالعه مدنظر است، شامل ارزش کنونی و آتی یک مشتری می باشد که شامل اندازه گیری طول دوره حیات ، رفتار خرید آتی و سود تخصیص یافته به هر رفتار مشتری می باشد. چارچوب پیشنهاد شده شامل سه گروه از تکنیک ها برای بدست آوردن این تخمین ها از تراکنش های قبلی مشتری است. اولین گروه شامل یک مدل رگرسیون لجستیک و یک مدل درخت تصمیم گیری برای اندازه گیری چرخش احتمال مشتری و پس از آن، پیش بینی طول دوره حیات مشتری است. دومین گروه شامل یک تحلیل رگرسیون برای تعیین متغیرهای اساسی است که روی رفتار خرید مشتری اثر میگذارند و نیز شامل زنجیره مارکوف برای مدلسازی احتمالات تراکنش تغییر رفتار است. درنهایت سومین گروه شامل دو شبکه عصبی برای پیش بینی سود به دست آمده توسط مشتریان و تحت رفتارهای خرید مختلف می باشد. این چارچوب پیشنهادی درغالب تراکنش های قبلی مشتری از یک شرکت نگهداری و تعمیر اتومبیل در تایوان شرح داده می شود.

Abstract The present study attempts to establish a framework for computing customer lifetime values for a company in the auto repair and maintenance industry. The customer lifetime value defined in this study consists of the current and future values of a customer, which involve an estimation of lifetime length, future purchasing behavior and the profit associated with each behavior of the customer. The proposed framework contains three groups of techniques to obtain these estimates from historical customer transactions. The first group includes a logistic regression model and a decision tree model to estimate the churn probability of a customer and to, further, predict the lifetime length of the customer. The second group comprises a regression analysis to identify the critical variables that affect a customer’s purchasing behavior, and a Markov chain to model the transition probabilities of behavior change. Finally, the third group contains two neural networks to predict the profits contributed by a customer under various purchasing behaviors. The proposed framework is demonstrated with the historical customer transactions of an auto repair and maintenance company in Taiwan.

بخشی از ترجمه مقاله (صفحه 16 و 17 فایل ورد ترجمه)