3. 機器學習 (ML)

機器學習 (ML)

數據分析之旅的第三步

 

在現代化數據平台得到良好實施後,我們可以使用ML(機器學習)增強分析功能,以獲取更多見解。

例如

  1. ML客戶細分
  2. 設立評分系統
  3. 推薦引擎

根據客戶評分和細分

客戶評分基於客戶數據庫的細分

利用客戶數據作客戶評分 分配給每個客戶的分數是根據您對他們的數據計算得出的, 您可以使用所有類型的數據來構建評分系統:

  • 社會人口數據:年齡,性別,婚姻狀況,職業
  • 心理數據:興趣,意見
  • 行為數據:購買歷史記錄,最近購買的數據,購買頻率,應用行為,廣告系列轉化率等。
Customer Segmentation 客戶細分

細分示例

通過機器學習進行細分

Machine Learning Segmentation 通過機器學習進行細分

找到四類型的客戶

  1. 年收入低且支出得分低(智能購物者是銷售/優惠券/促銷的高度針對性對象)
  2. 年收入低且支出得分高(滿意的購物者由於他們的消費習慣而對其最不感興趣)
  3. 具有平均支出得分的平均收入(需要更多數據來確定他們的購買決定)
  4. 高收入,低支出得分(購物者對購物中心的服務不滿意。這是我們的研究對象,因為我們需要吸引這些購物者來增加銷售需求)

推薦引擎

備註:位置數據和“推送通知”操作將由第三方供應商處理。

案例參考:交付優化(連鎖店調度程序)

Delivery Optimization (Chain store scheduler) 交付優化(連鎖店調度程序)

機器學習的示例用法:

  • 客戶評分
  • 客戶細分
  • 客戶行為分析
  • 數據剖析
  • 異常檢測

 

#ML #機器學習 #深度學習 #Ai #人工智能 #人工智慧 #現代化數據平台 #現代化數據平臺 #數據諮詢 #數據規劃 #數據計劃 #數據建模 #數據分析之旅 #數據之旅 #香港數據分析 #預測分析 #趨勢分析 #雲端儲存 #雲端遷移 #Azure #PowerBI #Microsoft #微軟 #Databricks

如果您有任何疑問或對我們的服務感興趣,歡迎與我們聯繫。

zh_HKChinese