趕在2017年的尾巴，終於把幾個模型做完並進入部署階段，開心之余想到好久沒更新我的小白數據分析師的文章啦~趕緊來補個功課！

關於CLV客戶價值模型，其實本質就是想回答2個業務人員關心的問題：
（1） 這個客戶已經為企業創造了多少價值？回答：客戶X過去n年內消費XX元
（2） 這個客戶將來會為企業創造多少價值？回答：客戶X未來n年內將消費XX元
故而，CLV模型首先被拆成了兩個部分：一是CCV客戶當前價值模型；二是CPV客戶潛在價值模型。

模型框架：
（一） Customer Current Value 客戶當前價值模型
當前價值即衡量一個客戶到目前為止為企業帶來的收益及利潤現值，這個相對來說比較好計算，這裏為了便於BS人員使用，我們也支持了分品牌分渠道的計算。
（二） Customer Potential Value 客戶潛在價值模型
潛在價值模型是基於客戶當前客戶關系和消費模式，衡量一個客戶（用戶）在未來一段時期內可能為企業帶來的收益。
在前期的數據探索階段，我了解到BS的客戶每年的留存率並不高，例如2016年發生交易的客戶裏僅有約20%的客戶2017年也會發生交易，這便為我們提出一個問題：是否應考慮先進行客戶下期是否發生購買的預測？
於是，在潛在價值模型裏我會進行兩個預測：一是下期購買概率的預測，二是客戶潛在價值區間的預測。這樣兩個指標的呈現也能更好地幫助業務人員進行人群篩選。
至此，完整的CLV模型如下圖所示——

具體思路：
（一） CCV客戶當前價值模型：直接進行數據計算，不再贅述
（二） CPV客戶潛在價值模型：
（1） 模型數據選取
有關數據選取，在咨詢了組裏的服裝行業專家小津姐和自己的多次嘗試後，我使用了以下4個方向的特征數據：屬性特征，交易行為特征，品類特征及季度特征。如下表所示，

這裏值得一提的是，之前的模型中並未使用過品類特征和季度特征，然而在服裝行業，客戶明年購買與否和他之前在該品牌買的品類是高度相關的，例如買襪子的客戶黏性就會偏低，因為襪子的可替代性太強，不一定要在這個品牌繼續購買。至於季度特征，服裝行業的季度差異性是較大的，例如客戶可能僅對秋冬季服裝感興趣。於是，在屬性特征和交易行為特征之外，我加入了每個客戶歷史上購買各個品類服裝的數量以及各個季度的服裝數量作為特征。

（2） 模型設計及訓練
活躍客戶和非活躍客戶的差異性很大，會員庫裏幾年前一直未交易的客戶其實往往已經永久流失，所以在訓練模型之前我們需要了解每年交易客戶的構成是怎麽樣的。於是，我對2017年發生交易的客戶組成進行了分析。

基於上圖，我們可以發現，除了2017年的新客戶，紅框中的3類客戶是我們可以來進行預測的。於是，我將全量的VIP客戶劃分為3大類，並加以不同的預測方法，如下圖所示。

（3） 模型結果

• CPV客戶下期購買概率模型

由於我們關註的是把會購買的人預測出來，所以在二分類器的閾值選擇上，我們選擇了0.45作為閾值，此時的正樣本Recall率約70%，即我們能預測出來70%會購買的人。
此外，也有不少負樣本會被誤判成正樣本，但是從邏輯上來將，這些負樣本客戶的購買與否隨機性太強，但是他們的購買概率高即證明他們與下期購買的人群是十分相似的。從業務上來講，若是能正確有效地觸達他們，是有很大可能性使他們發生購買。
當然，在上述結果之外，我們還可以看到一些業務非常感興趣的輸出。例如，基於下面的特征重要性表和一些相關性統計結果，我們發現影響客戶下期購買與否的因素中除了常見的交易行為特征，有不少是品類特征，如GRANDCAT_9，GRANDCAT_4和GRANDCAT_2。

舉一個簡單的例子，某一個女裝品牌，其明星產品便是連衣裙，結合數據結果，我們也確實購買發現連衣裙的客戶黏性更高，即這些客戶的下期購買概率高。而另一個男裝品牌，則是購買風衣和長褲的客戶黏性更高。
此外，為了便於業務人員使用，我將區間做成了4檔，便於他們進行標簽篩選。

• CPV客戶潛在價值模型

這裏模型是直接預測到價值區間，最後的誤差率維持在30%左右，這裏我們也支持分品牌的計算客戶的潛在價值。

至此，對於每一個客戶，我們將形成完整的CLV模型預測結果。

（4） 模型應用

• CPV客戶下期購買概率模型

1. 業務人員可以通過不同的區間選擇達到更多地篩選會購買人群或更準地篩選會購買的人群
例如，

2.各品牌還可以根據特征重要性，更加了解自己的客戶明星產品集中在什麽品類。

• CPV客戶潛在價值模型

1. 業務人員可以結合下期購買概率和價值區間更好地篩選人群。業務人員可以先篩選購買概率高的人群再選擇所需要的價值區間的人群。
例如，一個針對高端的小範圍活動，可以篩選高購買潛力和高潛在價值的人群。
2. 業務人員可以結合客戶當前價值CCV和客戶潛在價值CPV來進行差異性營銷。

零售業CLV客戶價值模型