为何在营销中使用机器学习？策略与用例

Python 营销中的机器学习

Karolis Urbonas

Head of Analytics & Science, Amazon

机器学习类型

  • 监督学习
    • 给定 X，能否预测 Y？
    • 分类：当 Y 为类别型（如 流失/未流失、是/否、鱼/狗/猫）。
    • 回归：当 Y 为连续型（如 购买量、点击量、网站停留时间）。
  • 无监督学习
    • 给定 X，能否发现同质的模式与簇？
  • 强化学习
    • 给定当前状态与若干可选动作，哪条路径使回报最大？
Python 营销中的机器学习

监督学习的数据要素与步骤

  1. 定义目标（因变量或 Y）——我们要预测什么？

    • 示例 1：哪些客户会流失？【分类】
    • 示例 2：哪些客户会再次购买？【分类】
    • 示例 3：未来30天客户将花费多少？【回归】

  2. 收集具有预测力的特征（自变量或 X）：

    • 示例 1：流失前的购买模式。
    • 示例 2：违约前未按时还款次数。
Python 营销中的机器学习

监督学习数据格式

  • X 行 N+1 列的矩阵：
    • X 为观测数（客户、供应商、产品）
    • N+1 为列数（N 个特征 + 1 个目标变量）
特征1 特征2 ... 特征N 目标Y
11 21 N1 Y1
12 22 N2 Y2
Python 营销中的机器学习

无监督学习

收集使用或购买数据并运行模型，以识别同质群组（即簇/细分）：

  • 示例 1——基于产品购买的客户细分。
  • 示例 2——用于捆绑的产品细分。
Python 营销中的机器学习

无监督学习数据格式

  • X 行 N 列的矩阵：
    • X 为观测数（客户、供应商、产品）
    • N 为列数（N 个特征）
  • 将自变量（特征）按列列出，每行对应一条观测
特征1 特征2 ... 特征N
11 21 N1
12 22 N2
Python 营销中的机器学习

开始练习吧！

Python 营销中的机器学习

Preparing Video For Download...