基于卷积神经网络和LSTM循环神经网络的客户复购预测方法

摘要：

通常一个销售代表会有数百名客户.销售代表无法定量预测哪位客户最近有下单需求,所以多采用轮询或者主观直觉的方式决定每天的回访客户名单.本文以深度学习的思路,把销售代表的历史回访记录作为输入数据,以卷积神经网络(CNN)和循环神经网络(RNN)为基础模型,让模型学习客户复购行为的内在逻辑以便指导初级销售代表的每日回访工作.相对传统回访策略,在深度学习算法辅助下的回访策略可以把回访相对成功率提高120％,取得了显著的效果.

关键词：循环神经网络(RNN);长短期记忆网络(LSTM);卷积神经网络(CNN);深度学习

所属期刊栏目：31

资助基金：科技创新2030"新一代人工智能"重大项目;国家自然科学基金面上项目

在线出版日期：2021-08-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：713-722