ПРОГНОЗИРАНЕ НА ПРОДАЖБИТЕ НА БЪРЗООБОРОТНИ ПОТРЕБИТЕЛСКИ СТОКИ НА БАЗАТА НА ДАННИ ОТ ПРОДАЖБЕНИ ТРАНСАКЦИИ С ВЕРОЯТНОСТНИ МОДЕЛИ

Abstract

Интересът към моделиране структурата на потребителските предпочитания и тяхното поведение при избора на стоки с цел предсказване на бъдещите решения за покупка има дълга и богата традиция в маркетинга. Търсенето на възможности за практическо решаване на този проблем нараства с разширяващото се поддържане на клиентски бази данни от продажбени трансакции на индивидуално равнище. Настоящото изследване се базира на приложението на специфичен клас вероятностни модели, напълно съответстващи на новите предизвикателства, пред които е изправен съвременният маркетингов мениджър. Целта е да се състави, оцени и априорно да се валидира агрегиран прогнозен модел чрез обобщаване на предиктивните оценки за индивидуалните структури на покупките на всеки отделен купувач. Въз основа на данни за покупателната история на кохорта от нови купувачи, в изследването се демонстрира добрата сходимост и прогнозна валидност на NDB и BG/NDB моделите. По този начин се потвърждава тезата за високата пригодност на вероятностните модели за разкриване и предсказване на покупателното поведение. Наличието на прецизни прогнози за индивидуалното поведение при купуване е необходима предпоставка за систематичното оценяване на пожизнената стойност на клиентите. The interest in modelling the structure of consumer preferences and consumer choice behaviour in order to predict future purchase decisions has a long and rich tradition in marketing. Finding a practical solution to this problem is becoming increasingly critical with the increased availability of customer transactional individuallevel databases. The focus of this paper is on the application of specific class of probability models that are well-suited to meet the rising challenges a marketing manager faces. Our objective is to define, estimate and a priori validate a predictive probability model by aggregating the individual-level purchase history (i.e. purchase frequency and recency). We demonstrate the relatively high performance of NDB and BG/NDB models using transactional data of a cohort of new customers. This supports our thesis statement that probability models are very suitable for identifying and forecasting purchasing behaviour. The availability of precise individual-level predictions concerns any serious attempt to derive customer lifetime value on a systematic basis.