製品購入予測レシピ

製品購入予測レシピを使用すると、特定のタイプの顧客購入イベント(製品購入など)の確率を予測できます。

このドキュメントでは、次のような質問に回答します。

  • このレシピは誰のために作られたものですか?
  • このレシピは何をするものですか?

このレシピは誰のために作られたものですか?

貴社のブランドは、顧客に対して効果的かつターゲットを絞ったプロモーションを通じて、製品ラインの四半期別の売り上げを押し上げようとしています。しかし、顧客はそれぞれに異なるうえ、お客様は投資に見合った成果を求めています。どのような層をターゲットとしますか?プロモーションを押しつけがましいを感じることなく、反応する可能性が最も高いのはどの顧客ですか?各顧客に合わせてプロモーションをカスタマイズするにはどうすればよいでしょうか?どのチャネルに頼り、どのようなタイミングでプロモーションを送信するべきでしょうか?

このレシピは何をするものですか?

製品購入予測レシピでは、マシンラーニングを活用して顧客の購入行動を予測します。これをおこなうには、カスタマイズされたランダムフォレスト分類子と 2 層のエクスペリエンスデータモデル(XDM)を適用して、購入イベントの確率を予測します。このモデルは、顧客のプロファイル情報と過去の購入履歴を組み込んだ入力データを利用し、予測精度を高めるために、データサイエンティストが決定した事前に決定された設定パラメーターをデフォルトとして使用します。

データスキーマ

このレシピでは、XDM スキーマを使用してデータをモデル化します。このレシピに使用するスキーマを次に示します。

フィールド名 タイプ
userId 文字列
genderRatio 数値
ageY 数値
ageM 数値
optinEmail ブール値
optinMobile ブール値
optinAddress ブール値
created 整数
totalOrders 数値
totalItems 数値
orderDate1 数値
shippingDate1 数値
totalPrice1 数値
tax1 数値
orderDate2 数値
shippingDate2 数値
totalPrice2 数値

アルゴリズム

まず、ProductPrediction スキーマのトレーニングデータセットが読み込まれます。ここから、モデルはランダムフォレスト分類子を使用してトレーニングされます。ランダムフォレスト分類子は、複数のアルゴリズムを組み合わせて予測性能を向上させるアルゴリズムを参照する、一種の合成アルゴリズムです。アルゴリズムの背後にある考え方は、ランダムフォレスト分類子が複数のデシジョンツリーを構築し、それらを結合して、より正確で安定した予測を作成するというものです。

このプロセスではまず、トレーニングデータのサブセットをランダムに選択する一連のデシジョンツリーを作成します。その後、各デシジョンツリーの結果を平均化します。

このページ