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？

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。

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パフォーマンス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。