通过离散与连续动作空间下深度强化学习进行CLV近似的自主CRM控制
机器学习
2015-04-09 v1
摘要
本文概述了一种用于CRM（客户关系管理）系统自主控制的框架。首先，它探索了如何运用广泛接受的近因-频率-货币价值指标体系的改进版本来定义客户或捐赠者的状态空间。其次，它描述了一种基于给定个体在状态空间中的位置，在离散与连续动作空间中确定最优直复营销动作的过程。该过程涉及使用无模型Q学习来训练一个深度神经网络，将客户在状态空间中的位置与可能营销动作相关的奖励联系起来。在客户状态空间上估计的值函数可解释为客户生命周期价值，从而允许对给定客户进行CLV的快速插件式估计。基于KDD Cup 1998捐赠征询邮件数据集给出了实验结果。
引用
@article{arxiv.1504.01840,
title = {Autonomous CRM Control via CLV Approximation with Deep Reinforcement Learning in Discrete and Continuous Action Space},
author = {Yegor Tkachenko},
journal= {arXiv preprint arXiv:1504.01840},
year = {2015}
}
备注
13 pages, 8 figures