Show Menu
THEMEN×

Rezept zum Produktkauf

Übersicht

Mit dem Produktkaufprognostizierungsrezept können Sie die Wahrscheinlichkeit eines bestimmten Ereignisses des Kundenkaufs vorhersagen, z. B. eines Produktkaufs.
Das folgende Dokument beantwortet Fragen wie:
  • Für wen ist dieses Rezept gedacht?
  • Was macht dieses Rezept?

Für wen ist dieses Rezept gedacht?

Ihre Marke möchte den vierteljährlichen Umsatz für Ihre Produktlinie durch effektive und zielgerichtete Promotions für Ihre Kunden steigern. Aber nicht alle Kunden sind gleich und Sie wollen Ihr Geld wert. Wen Zielgruppe du? Welche Ihrer Kunden reagieren am ehesten, ohne dass Sie Ihre Promotion in den Griff bekommen? Wie passen Sie Ihre Promotions für jeden Kunden an? Auf welche Kanal sollten Sie sich verlassen und wann sollten Sie Promotions versenden?

Was macht dieses Rezept?

Das Rezept zur Prognose des Produktkaufs verwendet maschinelles Lernen, um das Kaufverhalten von Kunden vorherzusagen. Dies geschieht durch Anwendung eines benutzerdefinierten Random Forest-Classifications und eines zweistufigen Experience Data Model (XDM), um die Wahrscheinlichkeit eines Kaufs-Ereignisses vorherzusagen. Das Profil nutzt Eingabedaten mit Informationen zum Kundenverhalten und dem bisherigen Kaufverlauf sowie die Standardwerte vordefinierter Konfigurationsparameter, die von unseren Data Scientists festgelegt werden, um die Prädiktionsgenauigkeit zu verbessern.

Datenschema

Dieses Rezept verwendet XDM-Schema , um die Daten zu modellieren. Das für dieses Rezept verwendete Schema ist unten dargestellt:
Feldname
Typ
userId
Zeichenfolge
genderRatio
Nummer
ageY
Nummer
ageM
Nummer
optinEmail
Boolesch
optinMobile
Boolesch
optinAddress
Boolesch
Erstellt
Ganzzahl
totalOrders
Nummer
totalItems
Nummer
orderDate1
Nummer
shippingDate1
Nummer
totalPrice1
Nummer
tax1
Nummer
orderDate2
Nummer
shippingDate2
Nummer
totalPrice2
Nummer

Algorithmus

Zunächst wird der Schulungsdatensatz im Schema ProductPrediction geladen. Von hier aus wird das Modell mit einem zufälligen Waldklassifizierer trainiert. Random forest classifier ist eine Art zusammengesetzter Algorithmus, der sich auf einen Algorithmus bezieht, der mehrere Algorithmen kombiniert, um eine bessere Vorhersageleistung zu erzielen. Die Idee hinter dem Algorithmus ist, dass der Random Forest Classifier mehrere Entscheidungsbäume baut und diese zusammenführt, um eine genauere und stabilere Prognose zu erstellen.
Dieser Vorgang Beginn beim Erstellen einer Reihe von Entscheidungsbäumen, die nach dem Zufallsprinzip Untergruppen von Schulungsdaten auswählen. Danach werden die Ergebnisse der einzelnen Entscheidungsbaume gemittelt.