我有一个零售客户交易数据集，其中包含客户 ID、产品、日期、购买的产品数量、客户的邮政编码、交易金额等特征。已经存在基于业务规则的细分，可以根据客户的购买情况来细分客户是否对可乐感兴趣。我必须进行二元分类才能将更多客户添加到可乐领域。关于最适合该数据集的算法和方法有什么建议吗？
二进制分类算法
数据挖掘
机器学习
分类
2022-03-16 17:44:28
1个回答
可能的场景：
您可以预测“可能购买的概率”：创建购买前涵盖的功能（例如：产品点击、产品查看、从同一类别购买等）。之后，训练分类器并使用预测概率 (
predict_proba_) 获得分数。然后对它们进行分类挑选x%并报告给业务部门。他们可以提供折扣和活动来快速吸引客户。尝试找到段转换。例如，可乐购买者转移到比蔬菜部分更快的馅饼部分。识别这些转换并在跨类别上应用广告。
如果您有交易数据，您应该尝试使用基于先验的算法和协同过滤方法进行推荐。
此外，您可以进行RFM 分析并比较 RFM 细分和已创建的细分，以找到您的最佳客户。
希望这有帮助！