이 문제는 이전에 논의되었지만 이익 매트릭스를 사용하는 방법에 대해 혼란스러워했습니다. 내 질문은 본질적으로 개념적이므로 간단한 숫자를 사용하도록하겠습니다. 고객 변동에 대한 데이터가 있다고 가정하고 변동성에 대한 예측 모델을 작성합니다 (특정 기술은이 질문에 대해 중요하지 않음). 그러나 내 결정 오류는 대칭 적이 지 않으므로 비용 분명한 오 분류 오류를 줄이기 위해 확률 컷오프를 수정하고 싶습니다. 관련 데이터가 다음과 같다고 가정합니다.
- 나는 모든 예측 된 잃어버린 고객에게 50 달러의 선물을 보낼 것입니다.
- 이 고객 중 10 %는 선물로 인해 남을 것으로 예상됩니다.
- 모든 보유 고객은 예상 수명 평생 현재 이익 $ 1000을가집니다.
이것으로부터, 고객을 잘못 예측하면 (거짓 긍정) 고객이 잃어버린다고 거짓으로 예측하는 것보다 더 많은 비용이 든다는 것을 알게됩니다. 그러나, 나는 이것을 조작하는 방법을 결정할 수 없다. 수익 매트릭스는이 정보를 통합하는 자연스러운 장소로 보일 수 있지만 JMP 문서의 예는이 문제로 쉽게 변환되지 않습니다. 내 성향은 다음과 같은 이익 매트릭스를 사용하는 것입니다.
예측 변동 = 1 예측 변동 = 0
실제 변동 = 1 -50 -100
실제 변동 = 0 +50 +1000
내 추론은 모든 예측 된 쫓아 버린 사람들에게 50 달러짜리 선물을 보내 겠지만, 그 중 10 %는 실제로 유지 될 것입니다 (기대 이익 = 10 % (1000) = 100 달러). 그러나 모델 예측은 마케팅 전략의 결과가 아니라 초기 모델의 분류와 관련이 있습니다. 즉, 실제 변동 = 0은 내 선물의 결과가 아니라 초기 모델의 잘못된 분류입니다.
마찬가지로 행렬의 -100은 고객이 보유 할 것으로 예측하고 그렇지 않은 경우 선물을 보내지 않고 (50 달러를 절약 할 수 있지만)이 고객의 10 %를 보유 할 수있는 기회를 놓친다는 사실에 기인합니다 (100 달러의 예상 이익).
잘못 분류 된 오류가 대칭 적이 지 않다는 사실은 분명하지만이를 구현하는 방법은 분명하지 않습니다. 이익 매트릭스를 사용하지 않더라도 위의 가정 된 단순화 된 데이터가 포함 된 분류 모델에서 확률 컷오프를 선택하는 방법은 분명하지 않습니다. 나는 분류 모델이 정말로 보존 과정을 시험 할 수있는 과정의 첫 걸음이 될 것임을 알고 있습니다. 그러나 선물, 성공 확률 및 기대 이익에 관한 가정은이 문제에 분류 모델을 적용하는 데 사용할 수있는 충분한 정보를 제공해야합니다.
누구나 분류 모델에 대한 확률 컷오프를 선택하는 데 가정 정보를 통합하는 방법을 알 수 있습니까?
감사.
