「產品購買預測」方式可讓您預測特定類型客戶購買事件的可能性,例如產品購買。
以下檔案將回答以下問題:
您的品牌希望透過有效且針對性地向客戶促銷,提升產品線的每季銷售。 但是,並非所有客戶都相同,而且您想要的錢物有所值。 你瞄準誰? 哪些客戶最有可能在不發現您的促銷活動干擾的情況下做出回應? 如何為每位客戶自訂促銷活動? 您應該依賴哪些通道,以及何時應發送促銷活動?
「產品購買預測」配方利用機器學習來預測客戶購買行為。 它透過套用自訂的隨機森林分類器和兩層體驗資料模型(XDM)來預測購買事件的可能性,來達成此目的。 模型利用輸入資料,併入客戶描述檔資訊和過去購買記錄,並預設為由我們的資料科學家所決定的預先確定組態參數,以增強預測精確度。
此方式使用XDM結構來建模資料。 此方式所用的架構如下所示:
欄位名稱 | 類型 |
---|---|
userId | 字串 |
gederRatio | 數字 |
ageY | 數字 |
ageM | 數字 |
OptinEmail | 布林值 |
optinMobile | 布林值 |
optinAddress | 布林值 |
已建立 | 整數 |
totalOrders | 數字 |
totalItems | 數字 |
orderDate1 | 數字 |
shippingDate1 | 數字 |
totalPrice1 | 數字 |
tax1 | 數字 |
orderDate2 | 數字 |
shippingDate2 | 數字 |
totalPrice2 | 數字 |
首先,載入ProductPrediction模式中的訓練資料集。 從這裡,使用隨機森林分類器來訓練模型。 隨機森林分類器是一種整合算法,它是指將多種算法結合起來以獲得改進預測效能的算法。 算法的思想是隨機森林分類器建立多個決策樹並合併它們,從而建立更準確、更穩定的預測。
此程式首先建立一組決策樹,該決策樹隨機選擇訓練資料的子集。 然後,對每個決策樹的結果進行平均。