Customer Lifetime Value (CLV) bezeichnet den Wert, den man an einem Kunden verdienen kann. Zur Ermittlung dieses Wertes werden verschiedene Verfahren angewandt. Hier wird Machine Learning vornehmlich bei der Prediction des CLV oder CE (Customer Equity) angewandt. Die aktuellsten Forschungen in diesem Bereich finden Sie hier.
Februar 2016 – V(CLV): Examining Variance in Models of Customer Lifetime Value
Daniel M., McCarthy Peter S, . Fader und Bruce G. S. Hardie. Diese Veröffentlichung untersucht vor allem die Varianz in aktuellen Modellen die sich mit dem Thema Customer Lifetime Value befassen. [Zum Paper]
April 2015 – Autonomous CRM Control via CLV Approximation with Deep Reinforcement Learning in Discrete and Continuous Action Space
Yegor Tkachenko. Q-Learning (eine Form des Reinforcement Learning) wird benutzt, um den CLV eines Users zu berechnen. Das System ist ein ein “autonomes” Customer Relationship Management tool integriert, dass dadurch Marketing-Aktionen veranlasst. [Zum Paper]
Mai 2014 – Survey data and Bayesian analysis: a cost-efficient way to estimate customer equity
Juha Karvanen1, Ari Rantanen und Lasse Luoma. Ein Bayesian Network wird benutzt, um CLV und CE auf Basis einer Umfrage zu berechnen. Anhand von Käuferverhalten werden die Werte berechnet. Aus der Umfrage werden verschiedene Merkmale wie Alter, Handymodell und Region des Users werden dazu benutzt. [Zum Paper]