lifetime_value 源码

终生价值 根据客户的属性和过往的购买行为,准确预测客户的生命周期价值(LTV),可以实现以客户为中心的营销策略。 LTV建模的挑战之一是一些客户永远不会回来,并且LTV的分配可能会繁重。 常用的均方误差(MSE)损失无法容纳一次性购买者的零值LTV的很大一部分,并且可能对最高消费者的超大型LTV敏感。 我们将给定相关特征的LTV分布建模为零点质量和对数正态分布的混合,我们将其称为零膨胀对数正态(ZILN)分布。 这种建模方法使我们能够捕获流失概率并同时考虑LTV的重尾性,并且还允许对点预测进行简单的不确定性量化。 提出的损失函数可用于线性模型和深度神经网络(DNN)。 我们还提倡使用标准化的Gini系数来量化模型歧视,并推广十分位数图表来评估模型校准。 拟议的损失函数(在Keras中实现)和评估指标已集成到python包中。 并且我们在两个真实的公共数据集上展示了我们提出的模型在笔记本