Show Menu
トピック×

製品の購入レシピ

概要

商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(例えば商品購入)の可能性を予測できます。
次のドキュメントは、次のような質問に対する回答です。
  • このレシピは誰のために作られているのですか。
  • このレシピは何をするのか。

このレシピは誰のために作られているのですか。

貴社のブランドが、効果的でターゲットを絞った顧客向けプロモーションを通して、商品ラインの四半期別売上高を促進しようとしています。 しかし、すべての顧客が似ているわけではなく、お金の価値を求めている。 誰のターゲットだ? プロモーションの邪魔者を見つけることなく、最も反応する可能性の高い顧客はどれか。 各顧客に対するプロモーションをカスタマイズする方法を教えてください。 どのチャネルに頼り、いつプロモーションを送る必要があるか。

このレシピは何をするのか。

製品購入予測レシピは、機械学習を利用して顧客の購入行動を予測します。 これを行うには、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をデフォルトに使用します。

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 。 このレシピで使用するスキーマを次に示します。
フィールド名
タイプ
userId
文字列
genderRatio
数値
ageY
数値
ageM
数値
optinEmail
Boolean
optinMobile
Boolean
optinAddress
Boolean
created
整数
totalOrders
数値
totalItems
数値
orderDate1
数値
shippingDate1
数値
totalPrice1
数値
tax1
数値
orderDate2
数値
shippingDate2
数値
totalPrice2
数値

アルゴリズム

最初に、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指す、アンサンブルアルゴリズムの一種です。 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ことです。
このプロセス開始では、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、各決定木の結果を平均化する。