Ricetta di previsione per l'acquisto di prodotti

La ricetta Predizione di acquisto del prodotto ti consente di prevedere la probabilità di un certo tipo di evento di acquisto del cliente, ad esempio un acquisto di prodotto.

Il seguente documento risponderà a domande quali:

  • Per chi è costruita questa ricetta?
  • Cosa fa questa ricetta?

Per chi è costruita questa ricetta?

Il tuo marchio cerca di incrementare le vendite trimestrali per la tua linea di prodotti attraverso promozioni efficaci e mirate per i tuoi clienti. Tuttavia, non tutti i clienti sono uguali e si desidera che il vostro denaro vale. Chi target? Quale dei vostri clienti è più propenso a rispondere senza trovare intrusiva la vostra promozione? Come personalizzare le promozioni per ogni cliente? Su quali canali si deve fare affidamento e quando si devono inviare le promozioni?

Cosa fa questa ricetta?

La ricetta Predizione di acquisto del prodotto utilizza l'apprendimento automatico per prevedere il comportamento di acquisto del cliente. A tal fine, applica un classificatore di foresta casuale personalizzato e un modello di dati di esperienza a due livelli (XDM) per prevedere la probabilità di un evento di acquisto. Il modello utilizza i dati di input che incorporano le informazioni sul profilo del cliente e la cronologia degli acquisti passati e utilizza per impostazione predefinita parametri di configurazione predefiniti determinati dai nostri data scientist per migliorare la precisione predittiva.

Schema dati

Questa ricetta utilizza schemi XDM per modellare i dati. Lo schema utilizzato per questa ricetta è mostrato di seguito:

Nome campo Tipo
userId Stringa
genderRatio Numero
ageY Numero
ageM Numero
optinEmail Booleano
optinMobile Booleano
optinAddress Booleano
creato Intero
totalOrders Numero
totalItems Numero
orderDate1 Numero
shippingDate1 Numero
totalPrice1 Numero
imposta1 Numero
orderDate2 Numero
shippingDate2 Numero
totalPrice2 Numero

Algoritmo

Innanzitutto, viene caricato il set di dati di formazione nello schema ProductPredizione . Da qui, il modello viene addestrato utilizzando un classificatore di foresta casuale. Classificatore di foresta casuale è un tipo di algoritmo di raggruppamento che fa riferimento a un algoritmo che combina più algoritmi per ottenere prestazioni predittive migliorate. L'idea alla base dell'algoritmo è che il classificatore Foresta casuale costruisce più alberi decisionali e li unisce per creare una previsione più accurata e stabile.

Questo processo inizia con la creazione di un insieme di alberi decisionali che selezionano casualmente sottoinsiemi di dati di formazione. In seguito, i risultati di ogni albero decisionale sono in media.

In questa pagina