Навіщо використовувати ML у маркетингу? Стратегії та приклади

Machine Learning для маркетингу в Python

Karolis Urbonas

Head of Analytics & Science, Amazon

Типи машинного навчання

Контрольоване навчання
- За заданого X, чи можемо передбачити Y?
- Класифікація — коли Y категоріальний (напр., Churned/Not-churned, Yes/No, Fish/Dog/Cat).
- Регресія — коли Y неперервний (напр., Purchases, Clicks, Time Spent on Website).
Неконтрольоване навчання
- За заданого X, чи можемо виявити однорідні шаблони та кластери?
Навчання з підкріпленням
- За поточного стану та набору дій, який шлях максимізує винагороду?

Визначте ціль (залежну змінну або Y) — що хочемо передбачити?
- Приклад 1 — які клієнти відмовляться? [CLASSIFICATION]
- Приклад 2 — які клієнти куплять знову? [CLASSIFICATION]
- Приклад 3 — скільки клієнти витратять у наступні 30 днів? [REGRESSION]
Зберіть ознаки (незалежні змінні або X), що можуть мати прогностичну силу:
- Приклад 1 — шаблони покупок перед відмовою.
- Приклад 2 — кількість прострочень перед дефолтом за кредитом.

Матриця X на N+1:
- X — кількість спостережень (клієнт, постачальник, продукт)
- N + 1 — кількість стовпців (N ознак + 1 цільова змінна)

Ознака 1	Ознака 2	...	Ознака N	Ціль Y
11	21		N1	Y1
12	22		N2	Y2

Зберіть дані про використання чи покупки та запустіть модель, щоб знайти однорідні групи, тобто кластери або сегменти даних:

Матриця X на N:
- X — кількість спостережень (клієнт, постачальник, продукт)
- N — кількість стовпців (N ознак)
Список незалежних змінних (ознак) окремими стовпцями для кожного спостереження

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

Machine Learning для маркетингу в Python