產品購買方式

概述

「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:

  • 這道菜是給誰做的?
  • 這道菜是幹什麼的?

這道菜是給誰做的?

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?

這道菜是幹什麼的?

「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。

資料架構

此方式使 用XDM結構 ,來建立資料模型。 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

演算法

首先,載入 ProductPrediction模式中的訓 練資料集。 在此基礎上,利用隨機森林分類器對模 型進行訓練。 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。

本頁內容