如何用分析模型优化客户的门户？

Question

我有一个模型，在这个模型中，我们希望根据某个产品的选择来优化结果的概率(一种针对三个可能性中的每个客户的个性化产品)。该产品是在同一客户有第一个客户之后选择的第二个产品。

我以前从来没有用分析模型做过概率优化，所以我在这个话题上有点盲目。

我现在要说的是：

• 我有一个有一个产品的客户数据集，优化是为他们准备的，他们有第一个产品，我想为他们中的每一个建立第二个最好的产品-- Application dataset。
• 我有另一个数据集，客户有两个或更多的产品，培训可以与他们(我知道哪个产品是首先购买)-培训数据集。这两个数据集都有可以帮助建模的外部变量:即年龄、性别等。

我认为这些可行的方法可以达到这个目标：

• 根据第一次购买的产品分割训练数据集，然后根据购买的第一个产品获得一个个性化概率，第二个可能的产品的“符号”和系数会告诉我每个第一个产品(子集)哪一个是第二个最好的。
• 建模数据集而不分离任何东西，读取结果寻找最佳组合。
• 模型与互动，第二产品寻找最佳组合。
• 模型采用白盒技术(决策tres，logistic回归)，使组合具有可追溯性.
• 不一样的东西。

Answer 1

你的问题可以被描述为一个推荐系统。给定有关首选项的历史信息，在用户旁边推荐的最佳项目是什么？