System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
技术介绍
1、预测客户需求是一项充满困难的跨功能挑战。例如,供应链管理和营销组织经常在正确预测客户需求方面遇到问题,这可能会导致效率低下、不正确的财务计划,短缺和其他业务问题。客户需求是由许多以复杂方式相互关联的复杂因素决定的。例如,有时客户需求会滞后于客户动作。可以训练相对于机器学习(ml)算法生成或创建的ml模型来预测客户需求。这些ml模型可以用采样数据(例如,训练数据)来训练,以做出预测或决策,而无需被明确地编程来这样做。然而,生成预测模型以准确预测未来客户需求是困难的,即使利用ml算法也是如此。预测模型经常过拟合和欠拟合训练数据,从而导致预测可能缺乏所需的准确度。在业务环境中,ml挑战,如过拟合和欠拟合,将导致对客户需求的不准确预测,这可能会造成严重的供应链问题,以及其他业务挑战。
技术实现思路
【技术保护点】
1.一种生成预测指数的计算机实现的方法,包括:
2.根据权利要求1所述的方法,其中时间滞后的数字高价值客户交互包括以下一项或多项:(i)独立访客的数目、(ii)访问的数目、(iii)点击呼叫的数目、(iv)视频查看的数目、或(v)响应式和主动式聊天的数目。
3.根据权利要求1所述的方法,还包括:在生成所述多个预测模型之前对高价值动作数据进行排名。
4.根据权利要求3所述的方法,其中所述高价值动作数据使用基于集成的特征选择方法而被排名。
5.根据权利要求4所述的方法,其中所述多个机器学习方法包括以下一项或多项:(i)递归特征消除机器学习方法;(ii)Boruta特征选择方法;以及(iii)随机森林机器学习方法。
6.根据权利要求1所述的方法,还包括:从客户数字意图数据确定高价值动作。
7.根据权利要求6所述的方法,还包括收集客户数字意图数据和客户需求数据。
8.根据权利要求6所述的方法,其中客户数字意图数据从目标数字市场被捕获。
9.一种用于生成预测指数的系统,包括:
10.
11.根据权利要求9所述的系统,其中排名数据包括根据高价值动作的排名数据。
12.根据权利要求9所述的系统,其中所述多个机器学习方法包括以下一项或多项:(i)递归特征消除机器学习方法;(ii)Boruta特征选择方法;以及(iii)随机森林机器学习方法。
13.一种客户需求预测设备,包括:
14.根据权利要求13所述的客户需求预测设备,其中数字高价值动作包括以下一个或多个:(i)独立访客的数目,(ii)访问的数目,(iii)点击呼叫的数目,(iv)视频查看的数目,以及(v)响应式和主动式聊天的数目。
15.根据权利要求13所述的客户需求预测设备,还包括:在生成所述多个预测模型之前对管道数据进行排名。
16.根据权利要求15所述的客户需求预测设备,其中所述管道数据使用包括多个机器学习方法的基于集成的特征选择方法而被排名。
17.根据权利要求16所述的客户需求预测设备,其中所述多个机器学习方法包括以下一项或多项:(i)递归特征消除机器学习方法;(ii)Boruta特征选择方法;(iii)以及随机森林机器学习方法。
18.根据权利要求13所述的客户需求预测设备,还包括:从客户数字意图数据确定高价值动作。
19.根据权利要求18所述的客户需求预测设备,还包括:根据所述动作发生的日期对高价值动作进行分类。
20.根据权利要求18所述的客户需求预测设备,其中客户数字意图数据从第三方数据库被接收。
...【技术特征摘要】
1.一种生成预测指数的计算机实现的方法,包括:
2.根据权利要求1所述的方法,其中时间滞后的数字高价值客户交互包括以下一项或多项:(i)独立访客的数目、(ii)访问的数目、(iii)点击呼叫的数目、(iv)视频查看的数目、或(v)响应式和主动式聊天的数目。
3.根据权利要求1所述的方法,还包括:在生成所述多个预测模型之前对高价值动作数据进行排名。
4.根据权利要求3所述的方法,其中所述高价值动作数据使用基于集成的特征选择方法而被排名。
5.根据权利要求4所述的方法,其中所述多个机器学习方法包括以下一项或多项:(i)递归特征消除机器学习方法;(ii)boruta特征选择方法;以及(iii)随机森林机器学习方法。
6.根据权利要求1所述的方法,还包括:从客户数字意图数据确定高价值动作。
7.根据权利要求6所述的方法,还包括收集客户数字意图数据和客户需求数据。
8.根据权利要求6所述的方法,其中客户数字意图数据从目标数字市场被捕获。
9.一种用于生成预测指数的系统,包括:
10.根据权利要求9所述的系统,其中确定最优预测模型包括通过将每个预测与数字客户交互进行比较来确定每个预测模型的准确度。
11.根据权利要求9所述的系统,其中排名数据包括根据高价值动作的排名数据。
12....
【专利技术属性】
技术研发人员:K·阿拉加潘,P·K·文卡塔拉姆,A·戈文达拉吉,S·奥诺,S·库马尔,A·蒙达尔,P·巴拉松达拉姆,
申请(专利权)人:慧与发展有限责任合伙企业,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。