基于GMDH神经元网络集成的目标客户选择模型.docVIP

  基于 GMDH 神经元网络集成的目标客户选 择模型# 肖进1，贺昌政1，汪寿阳2* 5 10 15 20 25 30 35 40 （1. 四川大学商学院，成都 610064； 2. 中国科学院数学与系统科学研究院，北京 100190） 摘要：随着信息技术的飞速发展，数据库营销成为营销界的热点问题，而目标客户选择模型 的构建又是数据库营销的重中之重。针对已有客户选择模型的不足，本文提出基于 GMDH 神经元网络集成的目标客户选择模型，首先利用 GMDH 神经元网络来进行关键变量选择， 并训练得到一系列基本的客户选择模型，然后再次利用 GMDH 神经元网络将这些基本模型 的预测结果进行选择性集成，得到最终的目标客户选择模型。实证分析表明，与已有的一些 客户选择模型相比是，该模型具有更高的目标客户选择命中率，能给企业创造更大的利润。 关键词：营销管理；目标客户选择；GMDH 神经元网络；多分类器集成；关键变量选择 中图分类号：F 272 A classifier ensemble model based on GMDH-type neural network for customer targeting XIAO Jin1, HE Changzheng1, WANG Shouyang2 (1. Business School, Sichuan Univeristy, Chengdu 610064; 2. Academy of Mathematics and Systems Science,Chinese Academy of Sciences, Beijing 100190) Abstract: With the speedy development of information technology, database marketing has become a hot topic for both marketing practitioners and scholars, and customer targeting modeling is a top priority in database marketing. To overcome the limitations of the existing models, this study proposes a classifier ensemble model based on group method of data handling (GMDH) type neural network for customer targeting. It first utilizes GMDH-type neural network to select the key explanatory variables, trains a series of base classification models, and then conducts the classifier ensemble selection based on the forecasting results of the base models by GMDH-type neural network again to get the final ensemble model. The empirical analysis results show that the hit rate of the proposed model is better than that of some existing models, and it can bring more profits for the enterprise. Key words: marketing management; customer targeting; GMDH-type neural network; multiple classifiers ensemble; key variables selection. 0 引言 所谓目标客户选择建模，是指使用已有的客户数据来学习模型，并利用该模型来识别哪 些客户会对企业的邮件或其它形式的促销（如电子邮件和特定的网站链接等）做出响应，而 这些客户就是企业的目标客户[1]。目前，常用的目标客户选择模型是Logistic回归。该模型不 需要假定解释变量的分布，但解释变量之间不能存在高度相关，否则会引起模型估计的误差。 为弥补 Logistic回归的不足，其它一些方法如岭回归、随机 RFM (Recency, Frequency, Monentary) 模型等相继被应用于目标客户选择中。近年来，神经网络也被应