İş Dünyası için Machine Learning
Karolis Urbonas
Head of Machine Learning & Science, Amazon
Durum - Dolandırıcılık oranı artmaya başladı
Fırsat - Dolandırıcılık oranını X % azaltmak, Y USD tasarruf sağlamak
Eylem - Dolandırıcılık tespit sistemini iyileştirmek, dolandırıcılık etkenlerini azaltmak ve riskli işlemleri manuel incelemek

Durum - Müşteri kaybı (churn) artmaya başladı
Fırsat - Churn oranını X % azaltmak, Y USD gelir korumak
Eylem - Churn etkenlerini belirleyip iyileştirmek (site hataları, fazla/az reklam, müşteri hizmetleri sorunları vb.); riskli müşterileri belirleyip elde tutma kampanyaları başlatmak

Her zaman çıkarım sorularıyla başlayın
Churn neden artmaya başladı?
Hangi bilgiler olası bir işlem dolandırıcılığına işaret eder?
En değerli müşterilerimiz diğerlerinden nasıl farklı?
Çıkarım sorularına dayanarak tahmin sorularını tanımlayın
Churn riski altındaki müşterileri belirleyebilir miyiz?
Potansiyel olarak riskli işlemleri işaretleyebilir miyiz?
Başta hangi müşterilerin yüksek değerli olacağını öngörebilir miyiz?
Yıllık fazladan 5000 USD kazanmak için 1 milyon USD harcar mısınız? (~200 yıl geri dönüş)
Son olarak, öngörülen sonucu etkileyip etkileyemeyeceğinizi nasıl anlarsınız? (ipucu: deneyler, deneyler ve daha çok deney)
İş Dünyası için Machine Learning