मार्केटिंग में ML क्यों? रणनीतियाँ और उपयोग केस

Python में मार्केटिंग के लिए मशीन लर्निंग

Karolis Urbonas

Head of Analytics & Science, Amazon

Machine Learning के प्रकार

Supervised learning
- X दिया है, क्या हम Y प्रेडिक्ट कर सकते हैं?
- Classification - जब Y श्रेणीबद्ध हो (जैसे Churned/Not-churned, Yes/No, Fish/Dog/Cat).
- Regression - जब Y सतत हो (जैसे Purchases, Clicks, Time Spent on Website).
Unsupervised learning
- X दिया है, क्या हम समान पैटर्न और क्लस्टर पहचान सकते हैं?
Reinforcement learning
- वर्तमान स्टेट और कई संभावित एक्शंस हों, तो कौन-सा पाथ रिवार्ड अधिकतम करता है?

टार्गेट तय करें (डिपेंडेंट वैरिएबल या Y) - हमें क्या प्रेडिक्ट करना है?
- उदाहरण 1 - कौन-से कस्टमर churn करेंगे? [CLASSIFICATION]
- उदाहरण 2 - कौन-से कस्टमर दोबारा खरीदेंगे? [CLASSIFICATION]
- उदाहरण 3 - अगले 30 दिनों में कस्टमर कितना खर्च करेंगे? [REGRESSION]
फीचर्स जुटाएँ (इंडिपेंडेंट वैरिएबल या X) जिनमें predictive power हो:
- उदाहरण 1 - churn से पहले की खरीद पैटर्न.
- उदाहरण 2 - लोन डिफॉल्ट से पहले मिस्ड पेमेंट्स की संख्या.

X by N+1 मैट्रिक्स:
- X = observations की संख्या (customer, vendor, product)
- N + 1 = कॉलम्स की संख्या (N features + 1 target variable)

Feature 1	Feature 2	...	Feature N	Target Y
11	21		N1	Y1
12	22		N2	Y2

यूज़ेज़ या परचेज़ डेटा इकट्ठा करें और मॉडल चलाकर समान समूह, यानी क्लस्टर्स/सेगमेंट्स पहचानें:

X by N मैट्रिक्स:
- X = observations की संख्या (customer, vendor, product)
- N = कॉलम्स की संख्या (N features)
इंडिपेंडेंट वैरिएबल्स (features) की लिस्ट, हर observation के लिए अलग कॉलम में

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

Python में मार्केटिंग के लिए मशीन लर्निंग