DQN-Inspired Purchase Intent Prediction
Skill-DQN-Purchase-Prediction · 06-增长模型
causalexperimentforecastingrecommendation供应链与补货客服与VOC推荐与搜索WF-A 智能补货WF-C 客服分诊WF-F 动态定价WF-G Listing内容优化WF-H 复购增长
年化 ROI100万
业务视角
适用角色CEO / 增长负责人 · CMO · 财务负责人
适用平台Amazon · TikTok Shop · DTC 独立站 · 多市场
什么情况下用公司增长放缓，不知道是市场饱和还是产品问题还是获客太贵；老板要 12 个月 GMV 预测，只能靠感觉
成功是什么样的建立增长拆解模型找到瓶颈，预测未来 6-12 个月营收区间，支撑融资/战略会议
业务痛点
1. 解决的问题
传统购买预测模型将问题视为静态分类任务。DQN-inspired方法引入强化学习思维：将用户会话视为状态，营销干预视为动作，转化/流失视为奖励。通过经验回放和Epsilon-Greedy探索，模型学会识别高价值干预时机。
2. 核心算法逻辑
传统购买预测模型将问题视为静态分类任务。DQNinspired方法引入强化学习思维：将用户会话视为状态，营销干预视为动作，转化/流失视为奖励。通过经验回放和EpsilonGreedy探索，模型学会识别高价值干预时机。
3. 业务应用场景
业务问题 母婴用户决策周期长，但转化窗口期短（如孕晚期囤货）。运营团队需要在正确时机推送正确优惠。传统规则（如"加购后24小时发券"）太粗糙，无法个性化识别高意向用户。
数据要求 - 用户会话特征（1,114维）： demographics、浏览历史、加购记录 - 行为序列：点击、浏览、搜索、加购、收藏的时间序列 - 标签：是否购买、购买金额
| 特征类别 | 示例字段 | 维度 | |----------|----------|------| | 用户画像 | 孕周、宝宝月龄、地域 | 10 | | 行为统计 | 近7天浏览数、加购数 | 50 | | 品类偏好 | 奶粉/尿布/辅食点击占比 | 20 | | 时序编码 | 小时、星期、是否周末 | 10 | | 行为序列 | 最近20步行为ID | 20 | | 交叉特征 | 用户-品类交互 | 1000+ |
4. 输入数据要求
请查看原始代码模板获取输入规格。
5. 输出结果
请查看原始代码模板获取输出规格。
6. 业务价值 / ROI
- 模型开发：2-3周（基于代码模板）
- 实时服务部署：1-2周
- 总计成本：约25-35人天
- 营销触达精准度提升40% → 假设月营销费用100万，节约40万/月 = 480万/年
- 转化率提升参考论文：AUC-ROC 0.88（行业基准0.65-0.75）
- 年化ROI：480万 / 20万成本 = 24倍
7. 代码模板
代码块数量：3 · 路径：paper2skills-code/growth_model/dqn_purchase_prediction
cd paper2skills-code/growth_model/dqn_purchase_prediction
python3 model.py8. 论文来源
- 2506.17543