Preparação de dados para prever compras

Machine Learning para Marketing em Python

Karolis Urbonas

Head of Analytics & Science, Amazon

Regressão - prevendo variável contínua

  • Regressão - tipo de aprendizado supervisionado
  • Variável-alvo - contínua ou de contagem
  • Versão mais simples - regressão linear
  • Dados de contagem (ex.: número de dias ativo) às vezes melhor com regressão de Poisson ou Binomial Negativa
Machine Learning para Marketing em Python

Atributos RFM: Recency, Frequency, Monetary

  • RFM - base de muitos métodos de engenharia de atributos
  • Recency - tempo desde a última transação do cliente
  • Frequency - número de compras no período observado
  • Valor Monetary - total gasto no período observado
Machine Learning para Marketing em Python

Explore a distribuição de vendas por mês

# Explore a distribuição mensal das observações
online.groupby(['InvoiceMonth']).size()

InvoiceMonth
2010-12    4893
2011-01    3580
2011-02    3648
2011-03    4764
2011-04    4148
2011-05    5018
2011-06    4669
2011-07    4610
2011-08    4744
2011-09    7189
2011-10    8808
2011-11    9513
dtype: int64
Machine Learning para Marketing em Python

Separe os dados de atributos

# Exclua a variável-alvo
online_X = online[online['InvoiceMonth']!='2011-11']

# Defina a data de referência
NOW = dt.datetime(2011,11,1)

# Construa os atributos
features = online_X.groupby('CustomerID').agg({
                                'InvoiceDate': lambda x: (NOW - x.max()).days,
                                'InvoiceNo': pd.Series.nunique,
                                'TotalSum': np.sum,
                                'Quantity': ['mean', 'sum']
                                }).reset_index()

features.columns = ['CustomerID', 'recency', 'frequency',
                    'monetary', 'quantity_avg', 'quantity_total']
Machine Learning para Marketing em Python

Revise os atributos

print(features.head())

Cabeçalho dos atributos

Machine Learning para Marketing em Python

Calcule a variável-alvo

# Construa uma tabela dinâmica com transações mensais por cliente
cust_month_tx = pd.pivot_table(data=online, index=['CustomerID'], 
                               values='InvoiceNo',
                               columns=['InvoiceMonth'],
                               aggfunc=pd.Series.nunique, fill_value=0)
print(cust_month_tx.head())

Tabela dinâmica mensal por cliente

Machine Learning para Marketing em Python

Finalize a preparação e faça o split treino/teste

# Armazene os nomes das colunas de identificador e alvo
custid = ['CustomerID']
target = ['2011-11']

# Extraia a variável-alvo
Y = cust_month_tx[target]

# Extraia os nomes das colunas de atributos
cols = [col for col in features.columns if col not in custid]

# Armazene os atributos
X = features[cols]
Machine Learning para Marketing em Python

Separe dados em treino e teste

# Separe aleatoriamente 25% dos dados para teste
from sklearn.model_selection import train_test_split
train_X, test_X, train_Y, test_Y = train_test_split(X, Y, 
                                                    test_size=0.25, 
                                                    random_state=99)

# Imprima as dimensões dos conjuntos
print(train_X.shape, train_Y.shape, test_X.shape, test_Y.shape)

(2529, 5) (2529, 1) (843, 5) (843, 1)
Machine Learning para Marketing em Python

Vamos praticar!

Machine Learning para Marketing em Python

Preparing Video For Download...