Здравствуйте, коллеги. Вот как бы вы решали подобную задачу:
есть пользователи системы, порядка 80 000. Эти пользователи делают некоторые действия. Нужно посчитать вероятность того что пользователь сделает следующее действие. Если проще:
есть 80 000 булевых массивов разной длинны, в каждом из массивов часть флагов =0, часть =1. Мне нужно понять с какой вероятностью следующий элемент массива будет =1. Простое среднее не подходит, так как пользователь мог уехать на дачу, мог "забить" на сервис, мог умереть и хз что еще. К примеру если пользователь сделал 10 действий подряд, а потом не делал 5 действий, я могу предположить что, скорее всего, он не сделает и 6-ое, с другой стороны если он не делал 10 действий, а потом сделал 2 подряд - наверняка сделает и третье.
Можно считать общий алгоритм, можно по каждому юзеру, можно комбинировать, возможно стоит расставить веса, прогнав алгоритм по истории, можно еще как угодно. Алгоритм очень важный в системе так как определяет маржинальность предприятия.

я посылаю пользователю (подписавшемуся на сервис) смску: "скачай приложение и получи 14 рублей на счет мобильного телефона"
Он скачивает, получает свои 14, я свои "20", все довольны.
Проблема в том, что смс стоит примерно пол рубля. Из тех кому я шлю в среднем треть ссылку открывает, половина из тех кто открыл скачивает. Итого я шлю грубо говоря 6 смсок на скачивание, то есть 3 рубля из маржи в 6 я трачу на смски. В идеальной ситуации я должен слать 1 смску, точно понимая, что пользователь скачает. Все пользователи на сервис подписаны, все знают, как он работает, могут отписаться от него. Также я понимаю, что есть куча иных более дешевых каналов связи с пользователем. Тем не менее хочу оптимизировать смс. Я понимаю, что факторов тьма - если пользователь скачал последнее смс, значит высока вероятность что скачате и следующее, несмотря на его историю, я знаю в какие часы пользователи охотнее скачивают приложения, я знаю какие цены за скачивания им нравятся, а какие нет, знаю в какой день недели какая активность. Вот теперь хочется этот все вместе связать, чрезмерно не усложняя но добившись хорошего результата.
Когда-то это выглядело примерно так:


сейчас этого не достаточно, ибо этот код является определяющим маржинальность по сути.
Я думаю, что это нужно делать комбинацией оптимизаций коэффициенты, в которых прогнать через историю. Например, я говорю, что если пользователь скачал последнее смс, значит вероятность увеличивается на +50%, если пользователь скачал все приложения ценой более 10 рублей и не скачал ни одного ценой менее 10 рублей, и выборка репрезентативна для него, и цена текущего предложения менее 10 рублей то делим общую вероятность на 2. Таким образом, создав много метрик, и обучив их на истории я получу хороший результат. Но возможно я занимаюсь велосипедостроением и это можно сделать проще и умнее. Я не знаю.

skyANADenis., погружаетесь в common conversion activities?
не слышал о таком, гляну на досуге.