BetaGeoBetaBinomModel.probabilidad_esperada_viva#

BetaGeoBetaBinomModel.expected_probability_alive(data=None, *, future_t=None)[fuente]#

Predecir la probabilidad esperada de estar vivo.

Estime la probabilidad de que un cliente con historial de frecuencia, recencia y T esté actualmente activo. También se puede estimar la probabilidad de estar vivo durante future_t períodos en el futuro.

Adaptado de la ecuación (11) en las notas de Bruce Hardie [1] y la biblioteca heredada lifetimes: CamDavidsonPilon/lifetimes

Parámetros:
datos : DataFrame, opcionalDataFrame, opcional

Dataframe que contiene las siguientes columnas:

  • customer_id: Identificador único del cliente

  • frequency: Número de compras repetidas

  • recency: Oportunidades de compra entre la primera y la última compra

  • T: Oportunidades de compra totales. Las suposiciones del modelo requieren T >= recencia y todos los clientes comparten el mismo valor para *T.

  • columna opcional para la parametrización de future_t.

Si no se proporciona, las predicciones se realizarán con los datos utilizados para ajustar el modelo.

future_tnumpy:similar_a_array

Número de períodos de tiempo para predecir las compras esperadas. No es necesario si el DataFrame data contiene una columna future_t.

Referencias

[1]

Peter Fader, Bruce Hardie y Jen Shang. «Análisis de la Base de Clientes en un Entorno No Contractual de Tiempo Discreto». Marketing Science, Vol. 29, No. 6 (Nov-Dic, 2010), pp. 1086-1108. https://www.brucehardie.com/papers/020/fader_et_al_mksc_10.pdf