Megosztás a következőn keresztül:


Oktatóanyag: Ügyfélszegmentálás Genie Code-nal

Ebben az oktatóanyagban a Genie Code használatával futtathatja a végpontok közötti ügyfélszegmentálást közvetlenül egy Databricks-jegyzetfüzetben. A nyers marketingkampány-adatkészlettől kezdve a Genie Code kezeli az adatprofilozást, a jellemzők fejlesztését, a K-means klaszterezést és a persona generálását — mindezt egyetlen utasítással.

Ügyfélszegmentálás elemzése a Genie Code használatával

Követelmények

1. lépés: Az adatkészlet lekérése

Ebben az oktatóanyagban egy marketingkampány-adatkészletet használ.

  1. Töltse le a marketingkampány adatkészletét a Kaggleből.
  2. Kattintson az Új ikonÚj > adatok hozzáadása vagy feltöltése elemre.
  3. Kattintson a Tábla létrehozása vagy módosítása elemre.
  4. Kattintson a Tallózás gombra , vagy húzza a letöltött fájlt a drop zónába.
  5. Válassza ki a célkatalógust és -sémát a Unity Catalogban.
  6. (Nem kötelező) Szerkessze a tábla nevét.
  7. Kattintson a Tábla létrehozása gombra.

2. lépés: Jegyzetfüzet megnyitása

  1. Az oldalsávon kattintson az Új gombra, és válassza a Jegyzetfüzet lehetőséget.
  2. Nevezze el a jegyzetfüzetet Marketingkampány Adatok-nak.
  3. Csatolja a jegyzetfüzetet a számításhoz vagy a kiszolgáló nélküli számításhoz.

3. lépés: Genie-kód indítása ügynök módban

A Genie Code ügynök módban önállóan tervezhet és futtathat többlépéses feladatokat – beolvassa a cellakimeneteket, kijavítja a hibákat, és az eredmények alapján igazítja a megközelítését.

  1. A jegyzetfüzet jobb felső sarkában kattintson a DB Assistant ikonra. A Genie Code panel megnyitásához.
  2. A Genie Code panel alján található módválasztóban válassza az Ügynök lehetőséget.

4. lépés: A szegmentálási kérés elküldése

A szegmentálási elemzést gyakran végzik azzal, hogy klaszterezik azokat az ügyfeleket, akik hasonló vásárlási mintákat mutatnak. A szegmensek például jövedelemen, demográfiai adatokon vagy adott vásárlási viselkedésen alapulhatnak. Az egyik gyakori megközelítés a K-közép klaszterezés, amely automatikusan csoportosítja a hasonló ügyfeleket különböző szegmensekbe, úgynevezett "klaszterekbe".

Írja be a következő üzenetet, és nyomja le az Enter billentyűt, vagy kattintson a Küldés ikonra.

Help me cluster my customers from my marketing campaign to profile them. I want to identify interesting segments that may be useful for marketing purposes.

A Genie Code lépésre bontja a kérést, és futtatja őket:

  1. A környezet megértése – A Genie Code felolvassa a kérést és a jegyzetfüzet aktuális állapotát.
  2. Releváns adatok keresése – A Genie Code megkeresi a Unity Katalógusban a releváns adategységeket, és betölti őket elemzésre.
  3. Kód létrehozása és futtatása – A Genie Code egy szabványos adatelemzési munkafolyamatot követve szerkessze a jegyzetfüzetcellákat: kódtárak importálása, adatok előfeldolgozása, a modell betanítása és az eredmények megjelenítése.
  4. Összegzi az eredményeket – A Genie Code egyszerű nyelvi összefoglalással rendelkezik a talált adatokról.

A Genie Code a kód futtatása előtt kéri a jóváhagyást. Tekintse át az egyes lépéseket, és kattintson az Engedélyezés gombra. Választhatja az Engedélyezés lehetőséget is ebben a szálban az aktuális beszélgetés összes lépésének jóváhagyásához, vagy az Always allow to skip future approval prompts (Mindig engedélyezve) lehetőséget a jövőbeli jóváhagyási kérések kihagyásához.

5. lépés: Az eredmények áttekintése

A Genie Code befejeződése után tekintse át a létrehozott jegyzetfüzetcellákat és az összegzést a Genie Code panelen. Az összefoglalás az egyes azonosított ügyfélszegmenseket ismerteti, beleértve a demográfiai jellemzőket, a vásárlási viselkedést és az egyes csoportok bevonására vonatkozó javaslatokat.

A Genie Code például azonosíthat olyan szegmenseket, mint a Prémium lojálisok (magas jövedelmű, gyakori vevők) és az Alkukeresők (árérzékeny, promócióalapú).

Az ügyfélszegmentálás elemzése Genie Code-ot eredményez.

6. lépés: Pontosítás követő kérésekkel

Az elemzés mélyebb megismeréséhez használjon nyomon követési utasításokat:

  • Are there any other clustering techniques we should consider?
  • What happens if we increase the number of clusters?
  • Filter to customers who have made a purchase in the last 90 days.

Minden nyomon követési kérés az előző eredményekre épül, anélkül, hogy újrakezdené.

Marketingkampány-adatok egy irányítópulton.

További erőforrások