← 返回分析服務
個人化與 ML · ML
購買序列模型帶動復購客單價
+22%
人手配對的商品組合，編碼的是商品同事的信念，而非顧客實際下一步買甚麼。本項目由訂單歷史學習購買序列，由模型決定接續的推薦。
流程
重建訂單序列
在 warehouse 把訂單明細重組成每位顧客的序列，退貨、取消與補貨周期明確處理，不當作不存在。
分開復購與探索
把單純周期性重複的消耗品 SKU，與真正跨品類的行為分開，令模型不會因為預測顯而易見的事而得分。
訓練並驗證 next-basket 模型
以較早期間訓練序列模型，用留出的較後期間驗證，並以現行人手規則為必須跑贏的基準。
先落一個渠道
預測結果先投放到單一觸點——購後電郵或會員頁面——展示之前先經毛利與庫存過濾。
量度客單價，不是點擊
復購客單價、下單頻次與毛利對照 holdout 組讀數，並在宣稱成果之前扣除退貨。
你需要提供
- 十二個月或以上的明細級交易歷史
- 附品類與毛利的商品目錄
- 一個能夠渲染動態推薦的渠道
你會得到
- 顧客購買序列數據集
- 附基準比較的已驗證 next-basket 模型
- 單一渠道上線推薦，並對照 holdout 讀數
時程
六至十星期，視數據質素而定。