Trip Prediction:
TS Prophet - https://github.com/facebook/prophet
Shop_or_Drop gamma gamma
- http://www.brucehardie.com/notes/025/gamma_gamma.pdf
- https://github.com/stijnzweegers/shop_or_drop
季节+趋势 模型 (demo note)
https://www.otexts.org/fpp/7/5
地理区块 实验
regular | adhoc
cohort | 渠道
beta-geometric / Negative Binomial Distributions
Dynamic Pricing:
Learning dynamic prices in electronic retail markets with customer segmentation
http://repository.ias.ac.in/30340/1/315.pdf
Learning Curve: A Simulation-Based Approach to Dynamic Pricing
https://www.researchgate.net/profile/Amy_Greenwald/publication/2559394_Learning_Curve_A_Simulation-Based_Approach_to_Dynamic_Pricing/links/56a7aecc08ae0fd8b3fe1b63.pdf

MC-TD
[无效] https://pan.baidu.com/s/1AIpCxNnh0Ozmt5IDUjm9VQ

pagerank
[无效] https://pan.baidu.com/s/1Xrknb-jobVMi8hckevqViw

基于OD Flow 发现供需自平衡区块
http://kateto.net/network-visualization
每个人处于不同状态，那个是用寻路算法、时间表和进出站时间估算出来作为GROUNDTRUTH。 回归预测未来不同时刻下不同状态的人数。包含不同回归方法的尝试（时间序列，XGBOOST等模型尝试），状态的特征还包括 季节/温度/pm2.5/节假日等，另外根据Regular Trips和Ad Hoc分别建模。

App 用户增长运营(拉新/促活/变现/留存)
1. RFM模型 / 用户画像
2. 生命周期价值(LTV)模型 /未来活跃趋势预测 将流失用户预测