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
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
- 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)
- 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)
- 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