顧客生涯価値モデル

顧客生涯価値モデルは、プロファイルとトランザクションのパターンに基づいて一定期間の顧客の価値を推定する、組込み済みのデータ・サイエンス・モデルです。

顧客生涯価値モデルの説明

顧客生涯価値モデルは、一定期間における会社に対する顧客の価値を表します。生涯価値の予測は、顧客プロファイル・データ、過去のトランザクション履歴、トランザクションの金額、トランザクションの頻度などの複数のタッチ・ポイントに基づきます。これらの予測によって、獲得、保持およびパーソナライズされたオファーのためのコスト/利益の判断において重要なメトリックが提供されます。モデルをカスタマイズして、任意の顧客セグメント/プロファイルについて3か月、6か月または12か月の生涯価値を提示できます。

モデルのパラメータ

モデルを作成する際には、モデルについて次のパラメータを定義する必要があります。

  • アルゴリズム: アルゴリズムは、モデルを実行するコードです。

  • 問合せ: モデルについて選択した問合せによって、モデル・トレーニングおよびモデル・スコアリング用のデータセットが生成されます。

  • 入力: 入力は、モデル・トレーニングおよびモデル・スコアリングに使用されるUnityデータ・モデルの問合せ属性です。モデル入力は変更できません。

  • 出力: 出力は、モデルの出力値を格納するために使用されるUnityデータ・モデルのデータ・オブジェクトおよび属性です。モデル出力のデフォルト・マッピングは更新できます。

モデルの入力

値を生成するために、顧客生涯価値モデルでは次のデータが使用されます。

モデルが正常に実行されるようにするには:

  • データは、次のすべての入力属性に取り込む必要があります。
  • CustomerID属性を使用したCustomerとOrder Itemのデータ・オブジェクトの関係が存在する必要があります。
データ・オブジェクト 属性 データ型 説明
Order Item CustomerID 文字列 顧客の一意の識別子。
Order Item SourceID 文字列

ソースの一意の識別子。
Order Item OrderEntryTS タイムスタンプ オーダーが発行された日時。
Order Item SubType 文字列 出荷済、返品、取消、需要などのオーダーのステータス。
Order Item ExtendedPrice 浮動小数 割引を差し引いた後の顧客が支払う金額。

次のインテリジェント属性は、顧客レベルで計算され、モデル入力としても使用されます。

インテリジェント属性 説明 データ型
first_purchase_date 最早オーダー日。 タイムスタンプ
last_purchase_date 最新オーダー日。 タイムスタンプ
total_order_amt オーダーの合計金額(Extended Price)。 浮動小数
total_order_rows データ・オブジェクトの行数。 整数

モデルの出力

Customerデータ・オブジェクトで、次の出力属性の値を確認できます。3か月、6か月および12か月の生涯価値とそれらの期間におけるトランザクション数を確認できます。

属性 説明 データ型 キー属性かどうか
SourceCustomerID 顧客の一意の識別子。 文字列 ○
SourceID ソースの一意の識別子。 文字列 ○
NumTransactions_12m 過去12か月間におけるトランザクション・モデルのトランザクション数。 浮動小数 ×
AverageMonetary 過去12か月間における金額モデルの平均金額。 浮動小数 ×
AverageCLV_12m トランザクション数と平均金額によって計算される、過去12か月間における平均顧客生涯価値。 浮動小数 ×
NumTransactions_6m 過去6か月間におけるトランザクション・モデルのトランザクション数。 浮動小数 ×
AverageCLV_6m トランザクション数と平均金額によって計算される、過去6か月間における平均顧客生涯価値。 浮動小数 ×
NumTransactions_3m 過去3か月間におけるトランザクション・モデルのトランザクション数。 浮動小数 ×
AverageCLV_3m トランザクション数と平均金額によって計算される、過去3か月間における平均顧客生涯価値。 浮動小数 ×

顧客生涯価値モデルの作成および使用

顧客生涯価値モデルを作成して使用するには、次のことを行う必要があります。

  1. 顧客生涯価値モデルの作成のステップに従います。

  2. モデルを作成したら、トレーニング・ジョブおよびスコアリング・ジョブの実行のステップに従います。

モデルを実行して出力値を作成したら、次のことを行うことができます。

データ・サイエンス, データ・サイエンス・モデル, データの分析, データ・サイエンス・モデルの作成, データ・サイエンス・モデルの作成方法, clv, 顧客生涯価値, clvモデル, 顧客生涯価値モデル