基于回归模型的公司营销活动用户群挖掘

叶敏

【摘要】某销售公司想通过用户的历史数据，预刚下次营销活动最有可能参与营销活动的人群。本文通过构建Logistic模型，基于用户的历史购买数据和用户基本信息，使用R语言进行计算，预浏用户是否会参与营销活动。

【关键词】Logistic模型 营销活动 R语言

一、引言

某零售公司目前有约3000万的活跃用户，市场部门有30万美元的预算，其希望挖掘出最有可能在30天内购买该公司产品的用户群，本文讨论用逻辑回归建模对产品的购买预测，得到优化模型，并进行了模型评估。

二、基于Logisstic回归方法的营销用户群的挖掘建模

（一）Logistic回归模型原理介绍

Logistic回归模型是研究因变量非连续型变量情况的分析模型。其中，解决这个问题的核心方法称为极大似然估计法：

（1）引入参数e。

（2）引入Logisic函数的激活函数，也叫做越阶函数，例如：sogfllod激活函数hθ（x）=g（θ_Tx）=1/（1+e^-θ^Tx）

（3）计算P（y=1|x：θ）和P（y=0|x：θ），一般来说激活函数计算得到p=1和。两类，需要计算他们的联合概率函数P（y|x：θ）。

（4）最大似然函数，求出合适的参数8。

（5）计算hθ（X），根据该值对样本进行分类。

（二）构建Logistic模型

（1）候选变量。候选变量包括用户的基本情况和一些购物信息。本项目一共包括如下26个自变量和1个因变量（是否有购买行为）。如下图1所示：

（2）相关性分析。相关性分析包括自变量之间，和自变量和因变量之间的相关性分析。通常而言，自变量与因变量越强，说明该自变量对因变量越重要，而自变量之间的相关性越强，改善两者之间的共线性强，多重共线性会影响模型的准确度，需要优化模型的变量。

（3）初步建模，变量筛选。该项目的特征值有26个，根据前面的相关性分析和数据缺失情况，去掉11个特质变量（变量与被解释变量相关程度非常低和缺失率过高），然后用逐步回归法自动筛选剩下的变量，选出的特征变量先进行显著性检验，再使用VIF进行多重共线性分析，一般来说VIF值小于2，另外计算R^{^}2的值，如R^{^}2<0.5，說明这些变量解释模型不够，需要引入更多变量。最终筛选的变量如下：

（4）模型评估。该模型采用ROC Curce图和AUC值进行模型评估。下图2是ROC Curce图：

从图中可以看到该ROC曲线是往左上角凸的，而AUC值（ROC曲线下方的面积）为0.7613，说明该模型的预测结果的分类效果是不错的。

三、结论及建议

本文通过构建Logistic模型，基于用户的历史购买数据和用户基本信息，使用R语言进行计算分析，预测用户是否会参与营销活动。先进行变量之间的相关性分析，然后初步建模，使用逐步回归法，筛选变量，最终得到符合模型要求的变量，最后进行模型评估。Logistic模型的优点在于可解释性强，但是相对于其他机器学习模型来说，准确率不是很高。该项目的主要是为了得到最有可能在30天内购买该公司产品的用户群，我认为分析完是否购买该产生的用户后，可以用其他预测模型判断购买用户可能会消费多少金额，这样可以得到更加优质的用户群。