De ce să folosim ML în marketing? Strategii și cazuri de utilizare

Machine Learning pentru Marketing în Python

Karolis Urbonas

Head of Analytics & Science, Amazon

Tipuri de învățare automată

  • Învățare supervizată
    • Dat X, putem prezice Y?
    • Clasificare - când Y este categorial (ex. Churn/Nu, Da/Nu, Pește/Câine/Pisică).
    • Regresie - când Y este continuu (ex. Achiziții, Clicuri, Timp petrecut pe site).
  • Învățare nesupervizată
    • Dat X, putem detecta tipare și grupuri omogene?
  • Învățare prin recompensă
    • Dat un stat curent și acțiuni posibile, care cale maximizează recompensa?
Machine Learning pentru Marketing în Python

Date și pași în învățarea supervizată

  1. Definiți variabila țintă (dependentă sau Y) - ce dorim să prezicem?

    • Exemplul 1 - care clienți vor renunța? [CLASIFICARE]
    • Exemplul 2 - care clienți vor cumpăra din nou? [CLASIFICARE]
    • Exemplul 3 - cât vor cheltui clienții în următoarele 30 de zile? [REGRESIE]

  2. Colectați caracteristici (variabile independente sau X) cu putere predictivă:

    • Exemplul 1 - tipare de achiziție înainte de renunțare.
    • Exemplul 2 - numărul de rate ratate înainte de neachitarea unui împrumut.
Machine Learning pentru Marketing în Python

Formatul datelor în învățarea supervizată

  • Matrice X pe N+1:
    • X număr de observații (client, furnizor, produs)
    • N + 1 număr de coloane (N caracteristici + 1 variabilă țintă)
Feature 1 Feature 2 ... Feature N Target Y
11 21 N1 Y1
12 22 N2 Y2
Machine Learning pentru Marketing în Python

Învățarea nesupervizată

Colectați date de utilizare sau achiziție și rulați modelul pentru a identifica grupuri omogene (clustere sau segmente):

  • Exemplul 1 - segmentarea clienților după achizițiile de produse.
  • Exemplul 2 - segmentarea produselor pentru grupare în pachete
Machine Learning pentru Marketing în Python

Formatul datelor în învățarea nesupervizată

  • Matrice X pe N:
    • X număr de observații (client, furnizor, produs)
    • N număr de coloane (N caracteristici)
  • O listă de variabile independente (caracteristici) ca coloane separate pentru fiecare observație
Feature 1 Feature 2 ... Feature N
11 21 N1
12 22 N2
Machine Learning pentru Marketing în Python

Să exersăm!

Machine Learning pentru Marketing în Python

Preparing Video For Download...