RFM指標と顧客特性に基づくLTV予測モデル

by Dentsu Digital Tech Blog

Slide 1

Slide 1 text

Slide 2

Slide 2 text

Slide 3

Slide 3 text

Slide 4

Slide 4 text

Copyright(C)2018 DENTSU DIGITAL. All Rights Reserved CONFIDENTIAL 4 研究のモチベーション例えば、新規顧客獲得のために広告をだしたい、と言われたとする購⼊⾦額1万円 CVなし購⼊⾦額500円 CVなしより重要な顧客広告をみて会員登録広告をみても登録しなかった CVあり CVなしクライアントにとって本当に重要なのは、会員登録後にたくさん購入してくれる顧客

Slide 5

Slide 5 text

Copyright(C)2018 DENTSU DIGITAL. All Rights Reserved CONFIDENTIAL 5 ライフタイムバリュー (LTV) を広告配信に活かすタイムラグボリューム重みづけ Web CV リアルタイム登録ユーザー全体なのでそれなりにある CVの有無の0/1しかない（質の評価は媒体単位の粒度） LTVスコアユーザー⾏動から予測するのでほぼリアルタイムユーザー⾏動からスコアを出すので⾏動のある全ユーザーが対象予測スコアなのでユーザーごとの重みづけが⼊る最終的なLTV 確定までに時間がかかる購⼊に⾄ったユーザーのみ LTVの重みづけが⼊る on oﬀ on off on off 会員登録購入全ログデータからモデリングした LTVスコアを算出 ★DD独自アプローチ

Slide 6

Slide 6 text

Copyright(C)2018 DENTSU DIGITAL. All Rights Reserved CONFIDENTIAL 6 LTV予測モデルの開発 RFM指標をもとにLTVを予測する BTYD (Buy Till You Die) モデルが提案されている l Recency: 直近の購買からの経過日数 l Frequency: 観測期間中の購買回数 l Monetary: 1回あたりの平均購買金額 RFM指標は顧客の購買特性を集約した指標として有用であるが、性別や年代などの顧客自体の特性を考慮していない

Slide 7

Slide 7 text

Copyright(C)2018 DENTSU DIGITAL. All Rights Reserved CONFIDENTIAL 7 LTV予測モデルの開発 RFM指標をもとにLTVを予測する BTYD (Buy Till You Die) モデルが提案されている l Recency: 直近の購買からの経過日数 l Frequency: 観測期間中の購買回数 l Monetary: 1回あたりの平均購買金額 RFM指標は顧客の購買特性を集約した指標として有用であるが、性別や年代などの顧客自体の特性を考慮していない BTYDモデルを拡張し、RFM指標に加えて顧客特性も加味した予測モデルを開発した ü 既存顧客におけるLTV予測の精度改善を実現! ü 購買情報 (RFM指標) のない新規顧客においてもLTV予測が可能に!!

Slide 8

Slide 8 text

Slide 9

Slide 9 text

Slide 10

Slide 10 text

Slide 11

Slide 11 text

Copyright(C)2018 DENTSU DIGITAL. All Rights Reserved CONFIDENTIAL 11 従来⼿法: BG/NBDモデル : 購買回数 : 最終購買時刻 : 観測終了時刻 : 平均購買⾦額 : ガンマ分布のパラメータ(BG/NBDモデル) : ベータ分布のパラメータ(BG/NBDモデル) : ガンマ分布のパラメータ(GGモデル) n 購買回数は λ のポアソン分布に従う n λ は r, β のガンマ分布に従う n λ を積分消去する（負の⼆項分布）

Slide 12

Slide 12 text

Copyright(C)2018 DENTSU DIGITAL. All Rights Reserved CONFIDENTIAL 12 従来⼿法: BG/NBDモデル n 顧客の離脱確率を ρ とする n j 回⽬の購買後に離脱する確率は幾何分布に従う n ρ は a, b のベータ分布に従う n ρ を積分消去する : 購買回数 : 最終購買時刻 : 観測終了時刻 : 平均購買⾦額 : ガンマ分布のパラメータ(BG/NBDモデル) : ベータ分布のパラメータ(BG/NBDモデル) : ガンマ分布のパラメータ(GGモデル)

Slide 13

Slide 13 text

Copyright(C)2018 DENTSU DIGITAL. All Rights Reserved CONFIDENTIAL n 観測データ (x, tx, T) とする n T での顧客⽣存確率 n (T, T+t] での期待購買回数 13 従来⼿法: BG/NBDモデル : 購買回数 : 最終購買時刻 : 観測終了時刻 : 平均購買⾦額 : ガンマ分布のパラメータ(BG/NBDモデル) : ベータ分布のパラメータ(BG/NBDモデル) : ガンマ分布のパラメータ(GGモデル)

Slide 14

Slide 14 text

Copyright(C)2018 DENTSU DIGITAL. All Rights Reserved CONFIDENTIAL n 平均購買価格は τ, ν のガンマ分布に従う n ν は q, ξ のガンマ分布に従う n ν を積分消去する 14 従来⼿法: Gamma-Gammaモデル : 購買回数 : 最終購買時刻 : 観測終了時刻 : 平均購買⾦額 : ガンマ分布のパラメータ(BG/NBDモデル) : ベータ分布のパラメータ(BG/NBDモデル) : ガンマ分布のパラメータ(GGモデル)

Slide 15

Slide 15 text

Copyright(C)2018 DENTSU DIGITAL. All Rights Reserved CONFIDENTIAL n 観測データ (x, m) とする n 1回あたりの期待購買⾦額 15 従来⼿法: Gamma-Gammaモデル : 購買回数 : 最終購買時刻 : 観測終了時刻 : 平均購買⾦額 : ガンマ分布のパラメータ(BG/NBDモデル) : ベータ分布のパラメータ(BG/NBDモデル) : ガンマ分布のパラメータ(GGモデル) BG/NBDモデルのパラメータ r, β, a, b Gamma-Gammaモデルのパラメータ τ, q, ξ を推定する

Slide 16

Slide 16 text

Slide 17

Slide 17 text

Copyright(C)2018 DENTSU DIGITAL. All Rights Reserved CONFIDENTIAL 17 提案⼿法: BTYDモデルに顧客特性を加味させる : 購買回数 : 最終購買時刻 : 観測終了時刻 : 平均購買⾦額 : ガンマ分布のパラメータ(BG/NBDモデル) : ベータ分布のパラメータ(BG/NBDモデル) : ガンマ分布のパラメータ(GGモデル) BG/NBDモデルとGamma-Gammaモデルに対して、デモグラなどの顧客特性を加味させたい

Slide 18

Slide 18 text

Copyright(C)2018 DENTSU DIGITAL. All Rights Reserved CONFIDENTIAL 18 提案⼿法: BTYDモデルに顧客特性を加味させる : 購買回数 : 最終購買時刻 : 観測終了時刻 : 平均購買⾦額 : ガンマ分布のパラメータ(BG/NBDモデル) : ベータ分布のパラメータ(BG/NBDモデル) : ガンマ分布のパラメータ(GGモデル) BG/NBDモデルとGamma-Gammaモデルに対して、デモグラなどの顧客特性を加味させたい

Slide 19

Slide 19 text

Copyright(C)2018 DENTSU DIGITAL. All Rights Reserved CONFIDENTIAL 19 提案⼿法: パラメータ推定 : 購買回数 : 最終購買時刻 : 観測終了時刻 : 平均購買⾦額 : ガンマ分布のパラメータ(BG/NBDモデル) : ベータ分布のパラメータ(BG/NBDモデル) : ガンマ分布のパラメータ(GGモデル) 以下の最適化を解いて重みパラメータ w を推定する BG/NBDモデルの尤度: Gamma-Gammaモデルの尤度:

Slide 20

Slide 20 text

Copyright(C)2018 DENTSU DIGITAL. All Rights Reserved CONFIDENTIAL 20 評価実験 n セブン＆アイ・ホールディングスの通販サイトomni7の購買データを使い評価実験を行った p 2016年10月1日~2017年9月30日での購買データでモデル学習 p 2017年10月1日から1年後までのLTVを予測 n 顧客特性として性別・年代・地域を用いた n 評価尺度には下記を用いた p 平均絶対誤差(MAE) p 対数平方平均二乗誤差(RMSLE) https://www.omni7.jp/

Slide 21

Slide 21 text

Copyright(C)2018 DENTSU DIGITAL. All Rights Reserved CONFIDENTIAL 21 評価実験: 結果 n セブン＆アイ・ホールディングスの通販サイトomni7の購買データを使い評価実験を行った hOps://www.omni7.jp/ BG/NBDモデル Gamma-Gammaモデル BG/NBDモデル Gamma-Gammaモデル顧客特性を加味することで予測精度が改善！

Slide 22

Slide 22 text

Copyright(C)2018 DENTSU DIGITAL. All Rights Reserved CONFIDENTIAL 22 配信可能対象の拡⼤に貢献従来法では購買情報のない顧客（≒RFM指標のない顧客）についてはLTVが予測できなかった提案法では顧客特性をもとにLTV予測が可能となるため、既存顧客以外にも配信が可能に！既存顧客新規顧客購入なし会員未会員サイト来訪者既存会員サイト来訪すれば Google AnalyTcsのログデータを使える

Slide 23

Slide 23 text

Copyright(C)2018 DENTSU DIGITAL. All Rights Reserved CONFIDENTIAL 今後の研究テーマ p 商品カテゴリを加味したLTV予測モデル p 季節性を加味したLTV予測モデルご清聴ありがとうございました。企業展示しておりますので、お時間ある方はぜひお越しください。 23 まとめ RFM指標をもとにLTV予測するBTYDモデルを拡張し、顧客特性も加味した予測モデルを開発した ü 既存顧客におけるLTV予測の精度改善を実現! ü 購買情報 (RFM指標) のない新規顧客においてもLTV予測が可能に!!