← 返回分析服务
个性化与 ML · ML
购买序列模型带动复购客单价
+22%
人工配对的商品组合，编码的是商品同事的信念，而不是顾客实际下一步买什么。本项目从订单历史学习购买序列，由模型决定接续的推荐。
流程
重建订单序列
在 warehouse 把订单明细重组成每位顾客的序列，退货、取消与补货周期明确处理，不当作不存在。
分开复购与探索
把单纯周期性重复的消耗品 SKU，与真正跨品类的行为分开，让模型不会因为预测显而易见的事而得分。
训练并验证 next-basket 模型
用较早期间训练序列模型，用留出的较后期间验证，并以现行人工规则作为必须跑赢的基准。
先落一个渠道
预测结果先投放到单一触点——购后邮件或会员页面——展示之前先经毛利与库存过滤。
衡量客单价，不是点击
复购客单价、下单频次与毛利对照 holdout 组读数，并在宣称成果之前扣除退货。
你需要提供
- 十二个月或以上的明细级交易历史
- 带品类与毛利的商品目录
- 一个能够渲染动态推荐的渠道
你会得到
- 顾客购买序列数据集
- 带基准比较的已验证 next-basket 模型
- 单一渠道上线推荐，并对照 holdout 读数
时程
六到十周，视数据质量而定。