為何在行銷中使用 ML？策略與應用案例

Python 的行銷機器學習

Karolis Urbonas

Head of Analytics & Science, Amazon

機器學習的類型

  • 監督式學習
    • 給定 X，能否預測 Y？
    • 分類：Y 為類別（例如：流失／未流失、是／否、魚／狗／貓）。
    • 迴歸：Y 為連續值（例如：購買數、點擊數、網站停留時間）。
  • 非監督式學習
    • 給定 X，能否找出同質的模式與叢集？
  • 增強式學習
    • 給定當前狀態與多個可能動作，哪條路徑可最大化報酬？
Python 的行銷機器學習

監督式學習：資料構成與步驟

  1. 定義目標（應變數或 Y）— 我們要預測什麼？

    • 範例 1 — 哪些顧客會流失？【分類】
    • 範例 2 — 哪些顧客會再購？【分類】
    • 範例 3 — 未來 30 天顧客會花多少？【迴歸】

  2. 蒐集可能具預測力的特徵（自變數或 X）：

    • 範例 1 — 流失前的購買模式。
    • 範例 2 — 违约前錯過的還款次數。
Python 的行銷機器學習

監督式學習的資料格式

  • X by N+1 矩陣：
    • X 筆觀測（顧客、供應商、產品）
    • N + 1 欄（N 個特徵 + 1 個目標變數）
Feature 1 Feature 2 ... Feature N Target Y
11 21 N1 Y1
12 22 N2 Y2
Python 的行銷機器學習

非監督式學習

蒐集使用或購買資料並訓練模型，以找出同質群體（叢集／區隔）：

  • 範例 1 — 依產品購買行為進行顧客分群。
  • 範例 2 — 產品分群以進行綑綁銷售。
Python 的行銷機器學習

非監督式學習的資料格式

  • X by N 矩陣：
    • X 筆觀測（顧客、供應商、產品）
    • N 欄（N 個特徵）
  • 將自變數（特徵）列表為每筆觀測的獨立欄位
Feature 1 Feature 2 ... Feature N
11 21 N1
12 22 N2
Python 的行銷機器學習

一起來練習吧！

Python 的行銷機器學習

Preparing Video For Download...