99999久久久久久亚洲,欧美人与禽猛交狂配,高清日韩av在线影院,一个人在线高清免费观看,啦啦啦在线视频免费观看www

熱線電話：13121318867

登錄
首頁精彩閱讀淺談機(jī)器學(xué)習(xí)在市場營銷中的應(yīng)用
淺談機(jī)器學(xué)習(xí)在市場營銷中的應(yīng)用
2017-03-06
收藏

目前，在線展示廣告越來越流行。在線展示廣告的目的是獲取更多的潛在客戶，吸引客戶購買商品。在線展示廣告的一個基本要求就是通過廣告獲取用戶所需費(fèi)用要小于用戶購買商品所耗費(fèi)用，進(jìn)而使得通過廣告吸引來的客戶為企業(yè)帶來利潤。


在線展示廣告中，比較流行的方式是通過手工精心設(shè)計更吸引人的廣告，來招攬客戶。然而，這種方法具有其局限性，并不是所有用戶的興趣點(diǎn)都一致，由于這種方式?jīng)]有個性化特征，所帶來的效果并沒有特別顯著。既然人工方式帶來的效果不顯著，那么可以考慮利用機(jī)器學(xué)習(xí)自動挖掘其中的潛在特性，進(jìn)而帶來更好的效果。

什么是機(jī)器學(xué)習(xí)呢？機(jī)器學(xué)習(xí)即為利用算法自動發(fā)現(xiàn)人們自己不能發(fā)現(xiàn)的潛在特征，或者隱藏的一些規(guī)律。機(jī)器學(xué)習(xí)已經(jīng)在很多領(lǐng)域取得了顯著的效果，如圖像識別，語音識別，自然語言處理等。

如何在市場營銷中利用機(jī)器學(xué)習(xí)呢？首先需要找出相關(guān)的特征。在機(jī)器學(xué)習(xí)中，一般用一行表示一個樣本，每個列是一個相關(guān)的特征。針對不同的應(yīng)用場景，需要找出不同的特征。本文以客戶流失預(yù)測為例，客戶流失預(yù)測相關(guān)的特征大致有距離上次登錄時間，下單數(shù)，消費(fèi)總金額，評論數(shù)等等。

其次要確定目標(biāo)變量。每個樣本都對應(yīng)一個目標(biāo)變量，比如在客戶流失場景中，可以用 0 和 1 來標(biāo)識某個用戶是否流失。

確定了特征和目標(biāo)變量，就要收集相關(guān)數(shù)據(jù)。為收集相關(guān)數(shù)據(jù)，需要找到相關(guān)的數(shù)據(jù)庫以及相關(guān)的表格中相應(yīng)的列或者其他存儲方式的原始數(shù)據(jù)。在這個步驟中，可以得到一張集成的表格，其中包含了相關(guān)特征和目標(biāo)變量。每一行對應(yīng)一個樣本。

收集完數(shù)據(jù)，接下來要選擇恰當(dāng)?shù)?a href='/map/jiqixuexi/' style='color:#000;font-size:inherit;'>機(jī)器學(xué)習(xí)算法來解決客戶流失預(yù)測問題。由于預(yù)測客戶流失本質(zhì)上是一個二分類問題，可以選擇的算法主要有 logistic regression （邏輯回歸），  decision tree （決策樹）， neural network （神經(jīng)網(wǎng)絡(luò)）， support vector machine （支持向量機(jī)）等等。 現(xiàn)實(shí)問題中，通常數(shù)據(jù)比算法更重要，解決問題的算法有很多，只要收集的數(shù)據(jù)質(zhì)量比較好，那么利用恰當(dāng)?shù)乃惴ㄍ葟?fù)雜算法用于質(zhì)量比較差的數(shù)據(jù)時取得的效果更好。簡而言之，通常情況下數(shù)據(jù)比算法要重要。

logistic regresion 示意圖

decision tree 示意圖

neural network 示意圖

support vector machine 示意圖


選擇了恰當(dāng)?shù)乃惴?，就要對原始?shù)據(jù)進(jìn)行分割，分割成訓(xùn)練集和測試集。如此分割，是為了方便查看在訓(xùn)練集上訓(xùn)練所得模型是否在測試集中可以取得理想的效果。通常分割比例為 6 : 4 或者 7 : 3 。前者為訓(xùn)練集占比，后者為測試集占比。訓(xùn)練集用來訓(xùn)練算法，學(xué)習(xí)其中的參數(shù)，測試集用來查看或檢驗(yàn)所選算法在測試集上的效果。

將原始數(shù)據(jù)分成訓(xùn)練集和測試集之后，就可以運(yùn)行算法了。當(dāng)前比較流行的機(jī)器學(xué)習(xí)算法都集成到了包里，用戶可以利用 R 或者 Python 來運(yùn)行相關(guān)算法。目前，數(shù)據(jù)科學(xué)（data science）領(lǐng)域比較流行的運(yùn)行機(jī)器學(xué)習(xí)算法的兩種語言就是 R 和 Python。

運(yùn)行完算法，需要衡量算法效果。通?？梢岳脺?zhǔn)確率，召回率，F(xiàn)1 score 以及 AUC （Area under ROC）。準(zhǔn)確率即為預(yù)測成流失的樣本中真實(shí)流失樣本占比，召回率即為原本即為流失樣本且預(yù)測成流失樣本的樣本在真實(shí)流失樣本中的占比。F1 score 是準(zhǔn)確率以及召回率的調(diào)和平均。AUC 是 ROC（receiver operating characteristic）曲線下的面積，其中 ROC 是曲線，橫坐標(biāo)是 FPR（FALSE positive rate），縱坐標(biāo)是 TPR（TRUE positive rate，也可以看做召回率）。

ROC 曲線示意圖

通過機(jī)器學(xué)習(xí)算法也可以發(fā)現(xiàn)對客戶流失造成較大影響的因素，進(jìn)而可以采取相應(yīng)的措施來挽留客戶。挽留客戶是營銷領(lǐng)域中比較重要的一項(xiàng)任務(wù)，挽留了客戶才可以使得客戶為企業(yè)帶來更大的價值。


作者    Frank
本文為 CDA 志愿者Frank原創(chuàng)作品，轉(zhuǎn)載需授權(quán)


數(shù)據(jù)分析咨詢請掃描二維碼

若不方便掃碼，搜微信號：CDAshujufenxi

數(shù)據(jù)分析師資訊
更多

OK
客服在線
立即咨詢
客服在線
立即咨詢
') } function initGt() { var handler = function (captchaObj) { captchaObj.appendTo('#captcha'); captchaObj.onReady(function () { $("#wait").hide(); }).onSuccess(function(){ $('.getcheckcode').removeClass('dis'); $('.getcheckcode').trigger('click'); }); window.captchaObj = captchaObj; }; $('#captcha').show(); $.ajax({ url: "/login/gtstart?t=" + (new Date()).getTime(), // 加隨機(jī)數(shù)防止緩存 type: "get", dataType: "json", success: function (data) { $('#text').hide(); $('#wait').show(); // 調(diào)用 initGeetest 進(jìn)行初始化 // 參數(shù)1：配置參數(shù) // 參數(shù)2：回調(diào)，回調(diào)的第一個參數(shù)驗(yàn)證碼對象，之后可以使用它調(diào)用相應(yīng)的接口 initGeetest({ // 以下 4 個配置參數(shù)為必須，不能缺少 gt: data.gt, challenge: data.challenge, offline: !data.success, // 表示用戶后臺檢測極驗(yàn)服務(wù)器是否宕機(jī) new_captcha: data.new_captcha, // 用于宕機(jī)時表示是新驗(yàn)證碼的宕機(jī) product: "float", // 產(chǎn)品形式，包括：float，popup width: "280px", https: true // 更多配置參數(shù)說明請參見：http://docs.geetest.com/install/client/web-front/ }, handler); } }); } function codeCutdown() { if(_wait == 0){ //倒計時完成 $(".getcheckcode").removeClass('dis').html("重新獲取"); }else{ $(".getcheckcode").addClass('dis').html("重新獲取("+_wait+"s)"); _wait--; setTimeout(function () { codeCutdown(); },1000); } } function inputValidate(ele,telInput) { var oInput = ele; var inputVal = oInput.val(); var oType = ele.attr('data-type'); var oEtag = $('#etag').val(); var oErr = oInput.closest('.form_box').next('.err_txt'); var empTxt = '請輸入'+oInput.attr('placeholder')+'！'; var errTxt = '請輸入正確的'+oInput.attr('placeholder')+'！'; var pattern; if(inputVal==""){ if(!telInput){ errFun(oErr,empTxt); } return false; }else { switch (oType){ case 'login_mobile': pattern = /^1[3456789]\d{9}$/; if(inputVal.length==11) { $.ajax({ url: '/login/checkmobile', type: "post", dataType: "json", data: { mobile: inputVal, etag: oEtag, page_ur: window.location.href, page_referer: document.referrer }, success: function (data) { } }); } break; case 'login_yzm': pattern = /^\d{6}$/; break; } if(oType=='login_mobile'){ } if(!!validateFun(pattern,inputVal)){ errFun(oErr,'') if(telInput){ $('.getcheckcode').removeClass('dis'); } }else { if(!telInput) { errFun(oErr, errTxt); }else { $('.getcheckcode').addClass('dis'); } return false; } } return true; } function errFun(obj,msg) { obj.html(msg); if(msg==''){ $('.login_submit').removeClass('dis'); }else { $('.login_submit').addClass('dis'); } } function validateFun(pat,val) { return pat.test(val); }