2010年7月26日
假设您有一个10,000名学生的查询池。 招生人员应如何招募这些学生？ 一种方法是员工以相同的方式吸引所有10,000名学生。 在这种情况下，每个学生都被视为具有相同的入学机会（或概率）。 这种方法的好处是它快速，简单且易于管理。 该方法的缺点是成本高昂，劳动强度大，并且有可能不为人知。
更好的方法是确定一个流程，以突出显示最有可能注册的查询。 预测建模旨在突出显示最有可能参与的查询。 可以对任何数量的关系进行“建模”，在本示例中，对查询的注册可能性进行建模是重点。但是，对申请者进行建模，甚至招募毕业生建模都是可行且值得的。
预测建模是一个简单的过程。 由于注册的二分性质，在查询中使用逻辑回归分析来注册模型： 查询在机构注册，或者查询不注册。 Logistic回归允许计算每个查询的注册概率。 具有较高注册概率的查询更可能注册。此过程的好处是可以对查询进行排名，可以为具有最高注册概率的查询，位于查询池中间的查询以及位于查询池底部的查询制定招聘策略。游泳池。
准入主管可以使用预测模型来重新定义交流流程，旅行计划和营销策略。 此外，如果使用得当，预测模型有助于增加入学人数。
下次，我将讨论在查询中加入预测模型的变量的选择，以及预测模型可以提供与这些变量相关的信息的类型。
上一页
下一页