分析在线客户行为的统计-机器学习混合方法：一项实证研究
机器学习
2023-02-13 v1 应用统计
摘要
我们结合经典统计方法与时下最先进的机器学习技术，开发了一种可解释的混合模型，用于分析中国最大在线零售商京东（JD）某特定品类下454,897名在线客户的行为。大多数单纯的机器学习方法在实践中受限于缺乏可解释性，而我们的新颖混合方法通过生成可解释的输出解决了这一实际问题。该分析包括识别对客户的购买行为影响最显著的特征与特性，从而使我们能够以较高准确度预测未来销量，并识别出最具影响力的变量。我们的结果显示，客户的产品选择对承诺送达时间不敏感，但该因素显著影响其订单数量。我们还表明，不同折扣方法的有效性取决于具体产品与折扣力度。我们识别出某些折扣方式更为有效的产品类别，并就更好地使用不同折扣工具提供建议。客户跨产品类别的选择行为主要由价格驱动，客户人口统计特征的影响较小。前一发现要求在决定何时以及提供多大折扣时需谨慎，而后一发现则指明了个性化广告与定向营销的机会。此外，为抑制客户的批量订购行为并避免不良的牛鞭效应，京东应改善物流以确保订单更快送达。
引用
@article{arxiv.2212.02255,
title = {A Hybrid Statistical-Machine Learning Approach for Analysing Online Customer Behavior: An Empirical Study},
author = {Saed Alizamir and Kasun Bandara and Ali Eshragh and Foaad Iravani},
journal= {arXiv preprint arXiv:2212.02255},
year = {2023}
}