机构名称：
¥ 1.0
抽象的在线购物商人将进行一系列营销活动以增加客户，但是在许多情况下，大多数新客户不会重复购买，这不利于商人的长期利益。因此，对于商人而言，针对更有可能回购的用户很重要，因为这可以降低营销成本并提高投资回报率。基于在线购物网站提供的数据集，本文对数据进行采矿和探索性分析，利用特征工程方法以及使用LightGBM，Logistic，logistic，XGBoost进行机器学习建模的建模分析。同时，进行参数优化和模型评估验证，最后，比较分析以Light GBM作为最佳预测模型，将为在线购物商店的运营提供有效的营销决策。关键字：数据分析，数据建模，机器学习，在线购物，重复购买预测1。简介商人有时会在特定日期发布大规模促销或发行优惠券以吸引消费者。但是，吸引的许多买家都是一次消费者。从长远来看，这些促销活动可能对销售业绩的增长无济于事，因此为了解决这个问题，商人需要确定可以将哪种类型的消费者转换为重复买家。通过分析和定位这些潜在的忠实客户并进行精确的营销，商人可以大大降低促销成本并增加投资回报率（ROI）。众所周知，在线广告时，很难准确地针对客户，尤其是针对新消费者。随着大数据技术的发展和电子商务平台的持续增长，用户的兴趣和爱好等个人信息以及行为信息（例如日常购物）已经累积在主要的电子商务平台的数据库中，逐渐形成了大量数据。已经发现，通过挖掘有关在线购物行为的大数据，可以提前预测用户的重复购买行为，甚至可以专门预测每个用户都有重复购买意图的商人产品的产品。
用于预测重复的机器学习建模...
主要关键词
相关文件推荐
