Samenvatting
Logistic regression in marketing - summary
A summary for logistic regression in marketing.
[Meer zien]Voorbeeld 1 van de 4 pagina's
Voorbeeld 1 van de 4 pagina's
In winkelwagengesponsord bericht van onze partner
Verkoper
Volgen
Voorbeeld van de inhoud
Market Response Models (MRM) – Logisticregression
A market response model (MRM) that predicts a binary outcome uses logistic regression, as opposed to
a linear regression, which has a continuous outcome variable.
1. Summarizing Past Behavior (RFM Analysis)
Define RFM metrics: These are essential indicators of customer behavior.
Recency: Calculate how recently a customer made a purchase.
o Example: Recency = 13 - Last purchase month
Frequency: Count how many times a customer made a purchase.
Monetary Value: Calculate the average spending per customer.
Group by customer ID and summarize data for each metric. Once you calculate the RFM metrics for each
customer, you summarize all their purchasing activity from Year 1 into just one row per customer. Now,
instead of dealing with a large, messy dataset with multiple transactions per customer, you have a clean
summary: one row per customer, showing how often they bought something, how much they typically
spent, and how recently they made their last purchase.
2. Create Target Variable (Year 2 Purchase)
Integrate dependent variable: Add a column to the newly created dataframe (where metrics for each
customer are summarized row-by-row) that measures the dependent variable. In the case of measuring
yearly returning customers, this column could hold a value of ‘0’ when the customer has not made a
purchase in year 2, and ‘1’ if the customer has. This binary variable becomes your dependent variable in
the logistic regression.
3. Model Building - Baseline Logistic Regression
Create a baseline model: This model does not use any predictors (RFM metrics) yet, it only includes the
intercept. It assumes that every customer has the same probability of making a purchase in Year 2.
Purpose of the baseline model: It serves as a reference point to compare with more complex
models that will include the RFM metrics. This helps us understand how much better our
predictions become when we use customer-specific information.
Why it's important: By fitting the baseline model first, we establish a starting point. When we add
the RFM variables later, we want to see an improvement in prediction accuracy, showing that
customer behavior data helps us better predict future purchases.
4. Model Building - Add Predictors
Build a full logistic regression model: Include independent variables such as Recency, Frequency, and
Monetary Value.
Example: glm(Year_2_Purchase ~ Recency + Frequency + Monetary_Value, family = 'binomial')
Voordelen van het kopen van samenvattingen bij Stuvia op een rij:
Verzekerd van kwaliteit door reviews
Stuvia-klanten hebben meer dan 700.000 samenvattingen beoordeeld. Zo weet je zeker dat je de beste documenten koopt!
Snel en makkelijk kopen
Je betaalt supersnel en eenmalig met iDeal, creditcard of Stuvia-tegoed voor de samenvatting. Zonder lidmaatschap.
Focus op de essentie
Samenvattingen worden geschreven voor en door anderen. Daarom zijn de samenvattingen altijd betrouwbaar en actueel. Zo kom je snel tot de kern!
Veelgestelde vragen
Wat krijg ik als ik dit document koop?
Je krijgt een PDF, die direct beschikbaar is na je aankoop. Het gekochte document is altijd, overal en oneindig toegankelijk via je profiel.
Tevredenheidsgarantie: hoe werkt dat?
Onze tevredenheidsgarantie zorgt ervoor dat je altijd een studiedocument vindt dat goed bij je past. Je vult een formulier in en onze klantenservice regelt de rest.
Van wie koop ik deze samenvatting?
Stuvia is een marktplaats, je koop dit document dus niet van ons, maar van verkoper rwsmits. Stuvia faciliteert de betaling aan de verkoper.
Zit ik meteen vast aan een abonnement?
Nee, je koopt alleen deze samenvatting voor €2,99. Je zit daarna nergens aan vast.
Is Stuvia te vertrouwen?
4,6 sterren op Google & Trustpilot (+1000 reviews)
Afgelopen 30 dagen zijn er 52510 samenvattingen verkocht
Opgericht in 2010, al 14 jaar dé plek om samenvattingen te kopen