Préparation des données pour la prédiction d'achat

Machine Learning pour le marketing en Python

Karolis Urbonas

Head of Analytics & Science, Amazon

Régression : prédire une variable continue

  • Régression : type d'apprentissage supervisé
  • Variable cible : variable continue ou de comptage
  • Version la plus simple : régression linéaire
  • Les données de comptage (p. ex. nombre de jours actifs) sont parfois mieux prédites par une régression de Poisson ou binomiale négative
Machine Learning pour le marketing en Python

Caractéristiques RFM : récence, fréquence, monétaire

  • RFM : approche à la base de nombreuses méthodes d'ingénierie de caractéristiques
  • Récence : temps écoulé depuis la dernière transaction du client
  • Fréquence : nombre d'achats sur la période observée
  • Valeur monétaire : montant total dépensé sur la période observée
Machine Learning pour le marketing en Python

Explorer la répartition mensuelle des ventes

# Explore monthly distribution of observations
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 pour le marketing en Python

Séparer les données de caractéristiques

# Exclude target variable
online_X = online[online['InvoiceMonth']!='2011-11']

# Define snapshot date
NOW = dt.datetime(2011,11,1)

# Build the features
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 pour le marketing en Python

Vérifier les caractéristiques

print(features.head())

En-tête des caractéristiques

Machine Learning pour le marketing en Python

Calculer la variable cible

# Build pivot table with monthly transactions per customer
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())

Tableau croisé mensuel par client

Machine Learning pour le marketing en Python

Finaliser la préparation et séparer en entraînement/test

# Store identifier and target variable column names
custid = ['CustomerID']
target = ['2011-11']

# Extract target variable
Y = cust_month_tx[target]

# Extract feature column names
cols = [col for col in features.columns if col not in custid]

# Store features
X = features[cols]
Machine Learning pour le marketing en Python

Diviser les données en entraînement et test

# Randomly split 25% of the data to testing
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)

# Print shapes of the datasets
print(train_X.shape, train_Y.shape, test_X.shape, test_Y.shape)

(2529, 5) (2529, 1) (843, 5) (843, 1)
Machine Learning pour le marketing en Python

Passons à la pratique !

Machine Learning pour le marketing en Python

Preparing Video For Download...