ts / Timur Salakhetdinov

P-002 · 2025 · Teamprojekt

Hierarchisches bayessches Pareto/NBD-Kundenmodell

Eine Team-Replikation von Abe (2009): bayessche Prognosen zur Kundenaktivität auf dem CDNOW-Transaktionsdatensatz.

PythonBayesian modellingMCMCCDNOW

Beitrag und Kontext

Ich habe an der Implementierung und Validierung des hierarchischen bayesschen Pareto/NBD-Modells nach Abe (2009) gearbeitet. Das Teamprojekt nutzt den öffentlichen CDNOW-Transaktionsdatensatz zur Schätzung von Kundenaktivität und zukünftigen Käufen.

Methode

Der Workflow erstellt Transaktionszusammenfassungen auf Kundenebene und schätzt Modelle mit und ohne Umsatzkovariate mittels MCMC. Kalibrierungs- und Validierungsergebnisse werden auf Kunden- und Aggregatebene verglichen.

Öffentliche Ergebnisse

Das Repository dokumentiert deskriptive Statistiken, Modellgüte, Parameterschätzungen mit Glaubwürdigkeitsintervallen und Posterior-Zusammenfassungen auf Kundenebene. Dazu gehören erwartete Lebensdauer, Überlebenswahrscheinlichkeit und prognostizierte Transaktionen sowie Abbildungen zu Modellverhalten und Prognosegüte.

Einordnung

Das Projekt ist eine methodische Replikation auf einem Benchmark-Datensatz. Die öffentlichen Ergebnisse zeigen Implementierung und Evaluierung, belegen aber keine Prognoseleistung für einen produktiven Kundenbestand.

Öffentlichen Code und Dokumentation auf GitHub ansehen ↗

Timur Salakhetdinov ·