METHOD FOR MODELING MARKET RESPONSE RATES
A method for modeling marketing response rates. The method is used to evaluate and filter large contact lists with the aim of accomplishing two goals. The method of the present invention uses an internal experience database and an external demographic database, coupled with variable screening scheme...
Gespeichert in:
Hauptverfasser: | , , , |
---|---|
Format: | Patent |
Sprache: | eng ; fre |
Schlagworte: | |
Online-Zugang: | Volltext bestellen |
Tags: |
Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
|
Zusammenfassung: | A method for modeling marketing response rates. The method is used to evaluate and filter large contact lists with the aim of accomplishing two goals. The method of the present invention uses an internal experience database and an external demographic database, coupled with variable screening schemes and non-parametric modeling techniques. The method comprises a number of steps. First, a data acquisition step associates descriptor variables with prospects. Second, a variable selection step identifies the descriptor variables in order to identify prospects most likely to respond to the direct mailing. Third, a model selection step examines and assesses a number of competitive algorithms, and selects the algorithm that will best predict the response rate. Fourth, a parameter estimation step ensures the best fit of data once an algorithm is chosen. Finally, a validation step ensures the robustness of the modeling process.
L'invention se rapporte à un procédé de modélisation des taux de réponse du marché. Ledit procédé permet d'évaluer et de filtrer de longues listes de contacts dans le but d'atteindre deux objectifs. Ce procédé met en oeuvre une base de données d'expériences interne et une base de données démographiques externe, qui sont associées à des mécanismes de sélection de variables et à des techniques de modélisation non paramétriques. Ledit procédé comporte plusieurs étapes. Une première étape d'acquisition des données associe des variables descriptives à des clients potentiels. Une deuxième étape de sélection des variables permet d'identifier les variables descriptives de manière à identifier les clients potentiels qui sont les plus susceptibles de répondre au publipostage. Une troisième étape de sélection de modèle vise à analyser et à évaluer un ensemble d'algorithmes compétitifs, et permet de sélectionner l'algorithme qui peut prédire au mieux le taux de réponse. Une quatrième étape d'évaluation des paramètres permet d'obtenir la meilleure adéquation des données une fois qu'un algorithme a été choisi. Enfin, une étape de validation assure la résistance du processus de modélisation. |
---|