Fórmula de predicción de compra de productos

La fórmula de Predicción de compra de productos permite predecir la probabilidad de un determinado tipo de evento de compra de clientes: una compra de producto, por ejemplo.

El siguiente documento responderá preguntas como:

  • ¿Para quién se ha creado esta receta?
  • ¿Qué hace esta receta?

¿Para quién se ha creado esta receta?

Su marca busca aumentar las ventas trimestrales de su línea de productos mediante promociones efectivas y específicas para sus clientes. Sin embargo, no todos los clientes son iguales y usted quiere el valor de su dinero. ¿A quién se dirige? ¿Cuál de sus clientes tiene más probabilidades de responder sin encontrar la promoción intrusiva? ¿Cómo personaliza las promociones con cada cliente? ¿En qué canales debe confiar y cuándo debe enviar promociones?

¿Qué hace esta receta?

La fórmula de predicción de compra de productos utiliza aprendizaje automático para predecir el comportamiento de compra de los clientes. Para ello, aplica un clasificador de bosque aleatorio personalizado y un Modelo de datos de experiencia (XDM) de dos niveles para predecir la probabilidad de un evento de compra. El modelo utiliza datos de entrada que incorporan la información de perfil del cliente y el historial de compras anterior y establece de forma predeterminada parámetros de configuración predeterminados determinados determinados por nuestros científicos de datos para mejorar la precisión predictiva.

Esquema de datos

Esta fórmula utiliza XDM schemas para modelar los datos. El esquema utilizado para esta fórmula se muestra a continuación:

Nombre del campo Tipo
userId Cadena
genderRatio Número
ageY Número
ageM Número
optinEmail Booleano
optinMobile Booleano
optinAddress Booleano
created Número entero
totalOrders Número
totalItems Número
orderDate1 Número
ShippingDate1 Número
totalPrice1 Número
tax1 Número
orderDate2 Número
ShippingDate2 Número
totalPrice2 Número

Algoritmo

En primer lugar, se carga el conjunto de datos de capacitación en el esquema ProductPrediction. A partir de aquí, el modelo se entrena utilizando un clasificador de bosque aleatorio. El clasificador de bosque aleatorio es un tipo de algoritmo ensamblado que hace referencia a un algoritmo que combina varios algoritmos para obtener un rendimiento predictivo mejorado. La idea detrás del algoritmo es que el clasificador de bosques aleatorio crea varios árboles de decisión y los combina para crear una predicción más precisa y estable.

Este proceso comienza con la creación de un conjunto de árboles de decisión que seleccionan aleatoriamente subconjuntos de datos de capacitación. Después, se calcula el promedio de los resultados de cada árbol de decisiones.

En esta página