ETD

• cltv

Analisi e sviluppo di un modello di customer lifetime prediction a partire da dati storici comportamentali e transazionali relativi ad un importante brand del settore della moda. I dati sono stati estratti rispettivamente da Google Analytics e Salesforce. Valutazione di come il comportamento dell'utente può incidere sull'accuratezza delle predizione e ricerca delle kpi più rilevanti. Infine si effettua la segmentazione del cltv per estrarre i profili dei clienti che valorizzano l'azienda.
Sono stati allenati algoritmi di machine learning di regressione lineare e xgboosts (supervised learning) e modelli probabilistici come il BG/NBD model (unsupervised learning). I modelli supervisionati utilizzano sia i behaviour data che i transactional mentre il modello statistico solo un subset di variabili transazionali (rftm).
Il progetto è stato sviluppato in python con il supporto della google cloud platform (bigquery in particolare) per l'estrazione dei dati storici.