Pazarlamada neden ML? Stratejiler ve kullanım örnekleri

Python ile Pazarlama için Machine Learning

Karolis Urbonas

Head of Analytics & Science, Amazon

Makine öğrenimi türleri

Denetimli öğrenme
- X verildiğinde Y’yi tahmin edebilir miyiz?
- Sınıflandırma - Y kategorik olduğunda (ör. Ayrıldı/Ayrılmadı, Evet/Hayır, Balık/Köpek/Kedi).
- Regresyon - Y sürekli olduğunda (ör. Satın alma, Tıklama, Web sitesinde geçirilen süre).
Denetimsiz öğrenme
- X verildiğinde homojen örüntü ve kümeleri bulabilir miyiz?
Pekiştirmeli öğrenme
- Mevcut durum ve olası eylemler verildiğinde, hangi yol ödülü maksimize eder?

Hedefi tanımlayın (bağımlı değişken veya Y) - neyi tahmin etmek istiyoruz?
- Örnek 1 - hangi müşteriler ayrılacak? [SINIFLANDIRMA]
- Örnek 2 - hangi müşteriler tekrar satın alacak? [SINIFLANDIRMA]
- Örnek 3 - müşteriler önümüzdeki 30 günde ne kadar harcayacak? [REGRESYON]
Öngörü gücü olabilecek özellikleri (bağımsız değişkenler veya X) toplayın:
- Örnek 1 - ayrılmadan önceki satın alma örüntüleri.
- Örnek 2 - kredide temerrütten önce kaçırılan taksit sayısı.

X’e X satır, N+1 sütunlu matris:
- X: gözlem sayısı (müşteri, satıcı, ürün)
- N + 1: sütun sayısı (N özellik + 1 hedef değişken)

Özellik 1	Özellik 2	...	Özellik N	Hedef Y
11	21		N1	Y1
12	22		N2	Y2

Kullanım veya satın alma verilerini toplayın ve homojen grupları, yani kümeleri/segmentleri bulmak için model çalıştırın:

X’e X satır, N sütunlu matris:
- X: gözlem sayısı (müşteri, satıcı, ürün)
- N: sütun sayısı (N özellik)
Her gözlem için bağımsız değişkenlerin (özelliklerin) ayrı sütunlar halinde listesi

Özellik 1	Özellik 2	...	Özellik N
11	21		N1
12	22		N2

Python ile Pazarlama için Machine Learning