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
- ML客戶細分
- 設立評分系統
- 推薦引擎
機器學習 (ML)
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。
細分示例
通過機器學習進行細分
找到四類型的客戶
- 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）
- 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）
- 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）
- 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）
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
Chinese 
English