Wie kann man vorhersagen, wie viel eine Kundengruppe ausgeben wird?

Ich habe bereits früher einen Beitrag über die Vorhersage der Ausgaben eines einzelnen bekannten Kunden geschrieben. Es gibt ein damit verbundenes Problem, nämlich die Vorhersage der Gesamtausgaben aller Ihrer Kunden oder eines beträchtlichen Teils davon.

Zeitreihenansatz: Kundensegmente

Wenn Sie die Ausgaben eines einzelnen Kunden nicht vorhersagen müssen, sondern diese für Kundengruppen vorhersagen möchten, können Sie Kunden in Gruppen zusammenfassen. Anstatt beispielsweise die zukünftigen Ausgaben des Kunden Nr. 23745993 vorhersagen zu müssen, möchten Sie vielleicht die durchschnittlichen Ausgaben aller Kunden der sozioökonomischen Klasse A im Geschäft 6342 vorhersagen.

In diesem Fall besteht der große Vorteil darin, dass Sie in Ihrer vergangenen Zeitreihe nicht so viele leere Werte haben. Ihre Zeitreihe könnte also folgendermaßen aussehen:

Das bedeutet, dass Sie eine Zeitreihenbibliothek wie „Prophet“ verwenden können, die von Facebook entwickelt wurde.

Hier ist, was Prophet erzeugt, wenn ich ihm die oben gezeigten Datenpunkte gebe und ihn auffordere, eine Vorhersage für die nächsten Tage zu erstellen. Sie können sehen, dass es den wöchentlichen Zyklus korrekt erfasst hat.

Dieser Ansatz wäre sehr nützlich, wenn Sie die Daten für die Budgetierung oder Bestandsplanung nur für eine einzelne Filiale und nicht für einzelne Kunden benötigen würden.

Wenn Ihre Kundensegmente jedoch klein genug sind, stellen Sie möglicherweise fest, dass die Vorhersage für ein Kundensegment auch als Vorhersage für diesen Kunden ausreicht.

Ausgabenvorhersage mit mehrstufigen Modellen

Die nächsthöhere Komplexitätsstufe stellen Mehrebenenmodelle dar, bei denen Sie für jede Region oder wirtschaftliche Kundengruppe eine andere Modellebene verwenden und diese zu einem einzigen Gruppenmodell kombinieren.

Kombinationen von Modellen zur Vorhersage von Kundenausgaben

Um eine maximale Vorhersagekraft zu erreichen, können Sie Zeitreihenmethoden mit einem prädiktiven Modellierungsansatz kombinieren, z. B. indem Sie die Ergebnisse einer Zeitreihenvorhersage für ein Kundensegment nehmen und sie als Eingabe für ein Vorhersagemodell verwenden.

Erste Schritte mit der Prognose der Kundenausgaben in Ihrem Unternehmen

Wenn Sie ein Prognoseproblem im Einzelhandel haben oder Hilfe bei einem anderen Geschäftsproblem im Bereich Data Science oder KI benötigen, würde ich mich freuen, von Ihnen zu hören. Bitte kontaktieren Sie mich über das Kontaktformular .