[论文解读] Customer Profiling, Segmentation, and Sales Prediction using AI in Direct Marketing

Mahmoud SalahEldin Kasem, Mohamed A. Hamada+1 more|arXiv (Cornell University)|Feb 3, 2023

Customer churn and segmentation被引用 11

一句话总结

该论文提出一个由 AI 驱动的数据预处理与建模框架，以在直接营销中开发客户画像、对客户进行细分并预测销售，使用 RFM 分析和提升树。

ABSTRACT

In an increasingly customer-centric business environment, effective communication between marketing and senior management is crucial for success. With the rise of globalization and increased competition, utilizing new data mining techniques to identify potential customers is essential for direct marketing efforts. This paper proposes a data mining preprocessing method for developing a customer profiling system to improve sales performance, including customer equity estimation and customer action prediction. The RFM-analysis methodology is used to evaluate client capital and a boosting tree for prediction. The study highlights the importance of customer segmentation methods and algorithms to increase the accuracy of the prediction. The main result of this study is the creation of a customer profile and forecast for the sale of goods.

研究动机与目标

• 在竞争激烈、数据丰富的直接营销环境中，激发对 AI 驱动的客户画像的需求。
• 开发一个预处理和建模框架，以创建客户画像并预测销售。
• 评估细分策略和预测准确性，以支持营销决策。
• 利用 RFM 分析评估客户价值，并使用提升树进行销售预测。

提出的方法

• 引入一个数据挖掘预处理流程以构建客户画像系统。
• 使用 RFM-analysis 来评估 client capital 并进行预测的 boosting tree。
• 讨论客户细分方法和算法在提升预测准确性方面的作用。
• 在可应用于画像和忠诚度计划的场景中，纳入对深度学习和 AI 技术的参考。
• 就数据准备、特征工程和模型选择提供方法论讨论。

Figure 1 : Radial basis neural network

实验结果

研究问题

• RQ1 如何利用基于 AI 的预处理和 RFM-analysis 来对直接营销的客户进行画像？
• RQ2 哪些细分方法和算法能提高销售预测的准确性？
• RQ3 基于客户画像和 RFM 派生特征，提升树模型能否有效预测销售？
• RQ4 忠诚度计划和客户生命周期价值在画像与定向决策中扮演什么角色？

主要发现

• 研究产生了一个客户画像以及商品销售的预测。
• RFM-analysis 用于评估客户资本并为定价/定向决策提供信息。
• 提升树方法被突出为该框架的核心预测技术。
• 该工作强调了细分方法和算法在提升预测准确性方面的重要性。
• 本文讨论了将 AI 技术整合以提升广告效率和忠诚度导向策略。

Figure 2 : Processes of Customer Segmentation