數據分析 Journey Phase 3

在現代數據平台得到很好的實施後，我們可以使用 ML（機器學習）增強分析以獲得更多洞察力。

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

客戶評分基於客戶數據。 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:

• 社會人口學數據：年齡、性別、婚姻狀況、職業
• 心理數據：興趣、觀點
• 行為數據：購買歷史、上次購買數據、購買頻率、App 行為、Campaign 轉化率等。

細分示例

機器學習分割

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. 平均收入和平均支出分數（需要更多數據來確定他們的購買決定）
4. 高收入低消費分數（對商場服務不滿意的購物者。這些是我們的目標研究群體，因為我們需要吸引這些購物者以增加銷售需求）

推薦引擎

備註：位置數據和推送通知操作將由第 3 方供應商處理。

案例參考：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
• 數據分析
• 異常檢測

#ML #MachineLearning #DeepLearning #AI #ArtificialIntelligence #ModernDataPlatform #DataConsultation #DataPlanning #DataModeling #DataAnalyticsJourney #DataJourney #HongKongDataAnalytics #HongKongDataAnalysis #PredictiveAnalysis #ForecastAnalysis #TrendAnalysis #Azure #PowerBI #CloudMigration