预测顾客在广告或没有广告的情况下的购买行为

Question

我正试图预测顾客对营销活动的反应。到目前为止，我有来自一个营销活动的数据和我的客户的rfm数据。

有些顾客说有60%的人收到广告。约10%的答复

从响应数据，即是否购买，在这次营销活动中，我建立了一个随机森林使用科学知识-学习。

这个模型在一个支撑集上表现得很好。但是最有影响的变量是布尔值: CustomerHasBeenAdvertised

我想使用这种模式，为未来的营销活动选择客户。为了获得类似广告条件下顾客的“购买概率”，我将变量CustomerHasBeenAdvertised设为1。

然而，在这方面的数据集上，所有的预测都在0.5以上。

这是由于可变的重要性造成的超常高价值吗？还是有其他解释？

是否将变量CustomerHasBeenAdvertised设置为1是错误方法？

如果是这样的话，如何处理这个案件:客户购买而不广告？

是否应该忽略广告是否发生的信息？

提前感谢

Answer 1

这取决于你想做什么。如果你想要一个模型来预测营销活动的目标对象是谁，那么你想要训练一个模型，只使用那些被推销的人，它定义了你的两类“响应者”和“无反应者”。给一个看不见的客户，然后你的分类器将确定他们是否有可能作出反应，如果你给他们一个直接的营销广告。看看提升营销。

Answer 2

如果CustomerHasBeenAdvertised变量对应于客户是否收到了来自您的活动的广告，那么我认为最好的方法是将未将CustomerHasBeenAdvertised设置为1的培训集中的所有记录排除在外，然后将该变量作为预测器删除。这仍然可能导致大多数预测超过0.5，但这不一定是一件坏事。

处理不平衡的类问题的一个常见方法(例如:很少有人响应广告或贷款破产的人)是将您的预测分为十位数，然后只对最感兴趣的几个级别采取行动(在您的例子中，客户最有可能购买)。这意味着预测的相对/秩序值比预测的名义值更重要。通常情况下，这就足够了，因为你可能不想向所有客户做广告，因为这样做成本太高了。