15. Data Science Workspace - Propensione vendite assicurazione auto

In questo modulo imparerai i concetti di base di Data Science e inoltre come utilizzare Adobe Experience Platform Data Science Workspace per creare un modello di propensione alle vendite per l’assicurazione auto, pianificare il modello per il rinnovo e preparare il modello per il punteggio in tempo reale.

Guarda questo video per comprendere il valore, il percorso dei clienti e il processo di configurazione:

Finalità di apprendimento

In questo modulo…

• Comprendere il MUTUAL365 caso d’uso di machine learning in tempo reale
• Scopri come utilizzare Anaconda e un’istanza JupyterLab locale per interagire con i dati in Adobe Experience Platform per la creazione di un modello ML
• Scopri come rendere operativo un modello ML creando una ricetta per addestrare e valutare la ricetta.
• Scopri come pubblicare una ricetta come servizio per un training ricorrente e automatizzato.

Prerequisiti

• Accesso a Adobe Experience Platform: https://experience.adobe.com/platform
• Accesso ad Anaconda (lo installerai nell'esercizio 15.2)
• Scarica queste risorse:
  • JSON - Dati di esempio: Interazioni di assicurazione auto

Panoramica dell’architettura

Scopri l’architettura riportata di seguito, che evidenzia i componenti che verranno discussi e utilizzati in questo modulo.

Contesto aziendale

MUTUAL365 è una tipica compagnia di assicurazioni con una grande rete di dealer-network offline e un sito web con un sacco di traffico.

MUTUAL365 sta cercando di personalizzare la comunicazione digitale da anni, ma è molto difficile personalizzare qualcosa se non sai a chi stai parlando. Poiché la maggior parte del traffico sul sito web proviene da utenti anonimi e sconosciuti che visitano il sito web solo una o due volte, è difficile per MUTUAL365 creare un profilo cliente profondo.

La maggior parte di questi sconosciuti e anonimi visitatori arrivano al sito web con un solo obiettivo: ottenere una rapida indicazione del costo di un'assicurazione, compilando un modulo che poi dà loro un'idea del costo di assicurazione.

A causa di questa limitata quantità di informazioni, MUTUAL365 ha difficoltà ad ottimizzare qualsiasi tipo di campagna digitale che porta a potenziali clienti bombardati da messaggi irrilevanti e incoerenti.

Di conseguenza, MUTUAL365 non è in grado di capire quali sono i clienti target interessanti e quali no, non è in grado di ottimizzare la spesa pubblicitaria e non è in grado di capire quali canali sono più utilizzati per interagire con un dato cliente.

Sandbox da utilizzare

Per questo modulo, utilizza questa sandbox: --aepSandboxId--.

Esercizi

15.1 Introduzione al RECIPROCO365

Scopri come utilizzare il marchio Demo MUTUAL365 e come demo il caso d’uso ML in tempo reale.

15.2 Interagire con i dati in Adobe Experience Platform da un ambiente JupyterLab locale

Installa Anaconda sul computer locale in modo da poter eseguire Jupyter Notebooks sul computer locale, per poi interagire con i dati in Adobe Experience Platform tramite Query Service.

15.3 Operazionalizzare il modello utilizzando una ricetta

Prendete il vostro modello e operatelo in Adobe Experience Platform creando una ricetta.

15.4 Treno e punteggio la tua ricetta

Treni e segnare la tua ricetta senza dover toccare di nuovo il codice.

15.5 Pubblica la tua ricetta come servizio pianificato

Seleziona il tuo esperimento migliore e pubblicalo come servizio pianificato che valuterà i clienti e la loro propensione ad acquistare su base ricorrente.

Riepilogo e vantaggi

Riepilogo di questo modulo e panoramica dei vantaggi.

Domande frequenti

Vai a Domande frequenti

Torna a tutti i moduli