A Dynamic Model of Purchase Timing with Application to Direct Marketing
购买时点的动态模型及其直销应用AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要研究客户购买间隔预测，未明确说明面板估计或离散选择机制，现有细分依据不足。
反馈分类问题正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
购买时点的动态模型及其直销应用
- 研究问题
- 如何预测特定客户的购买间隔是否及何时延长，并同时刻画客户之间与客户行为随时间变化的异质性？
- 方法与思路
- 作者以广义伽马分布建立购买间隔的层级贝叶斯模型，并通过依赖滞后协变量的混合成分引入时间异质性。
- 材料陈述的贡献
- 摘要称，模型用于个人投资交易数据，预测客户购买间隔延长，为企业识别可能需要干预的客户提供信号。
- 阅读关注点
- 应核对购买间隔的观测和删失处理、滞后协变量进入混合模型的方式，以及预测验证与客户异质性的区分。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；摘要未报告预测误差，也未评估干预效果，不能据此作投资或因果判断。
原文摘要
Predicting changes in individual customer behavior is an important element for success in any direct marketing activity. In this article we develop a hierarchical Bayes model of customer interpurchase times based on the generalized gamma distribution. The model allows for both cross-sectional and temporal heterogeneity, with the latter introduced through the component mixture model dependent on lagged covariates. The model is applied to personal investment data to predict when and if a specific customer will likely increase time between purchases. This prediction can be used managerially as a signal for the firm to use some type of intervention to keep that customer.