在本教程中，你将使用 Genie Code 直接在 Databricks 笔记本中运行端到端客户分段。 从原始市场营销活动数据集开始，Genie Code 从单个提示开始处理数据分析、特征工程、K 手段聚类分析和角色生成。
要求
- 启用 Genie Code 的 Databricks 工作区。
- 为帐户和工作区启用了合作伙伴支持的 AI 功能。 请参阅 合作伙伴支持的 AI 功能。
- 已启用 Genie Code Agent 模式预览。 请参阅 Manage Azure Databricks 预览版。
步骤 1：获取数据集
在本教程中，你将使用市场营销活动数据集。
- 从 Kaggle 下载 市场营销活动数据集 。
- 单击“
>添加”或“上传数据”。 - 单击“ 创建或修改表”。
- 单击 浏览 或拖放下载的文件到放置区域。
- 在 Unity 目录中选择目标目录和架构。
- （可选）编辑表名。
- 单击“创建表”。
步骤 2：打开笔记本
- 在边栏中，单击“ 新建 ”，然后选择 “笔记本”。
- 请将笔记本命名为市场营销活动数据。
- 将笔记本连接到计算资源，或使用无服务器计算资源。
步骤 3：在代理模式下启动 Genie Code
代理模式下的 Genie Code 可以自主规划和运行多步骤任务 — 它读取单元格输出、修复错误，并根据结果调整其方法。
- 在笔记本的右上角，单击
打开“Genie Code”窗格。 - 在 Genie Code 窗格底部的模式选择器中，选择 “代理”。
步骤 4：提交分段提示
细分分析通常由具有类似购买模式的客户聚类分析。 例如，细分市场可能基于收入、人口统计或特定购买行为。 一种常见方法是 K-means 聚类分析，这种技术自动将类似客户分组到不同的细分市场，称为“群集”。
输入以下提示，然后按 Enter 或单击“
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.
Genie Code 将提示分解为步骤并运行它们：
- 了解上下文 - Genie Code 读取提示和笔记本的当前状态。
- 查找相关数据 - Genie Code 在 Unity 目录中搜索相关数据资产，并加载它们进行分析。
- 生成并运行代码 — Genie Code 按照标准数据科学工作流编辑笔记本单元格：导入库、预处理数据、训练模型以及可视化结果。
- 汇总结果 - Genie Code 对找到的结果进行了纯语言摘要。
Genie Code 在运行代码之前请求你的批准。 查看每个步骤，然后单击“ 允许”。 还可以 在此线程中选择“允许 ”以批准当前对话中的所有步骤，或 始终允许 跳过将来的审批提示。
步骤 5：查看结果
Genie Code 完成后，在 Genie Code 窗格中查看生成的笔记本单元格和摘要。 摘要描述了每个已识别的客户细分市场，包括人口特征、购买行为以及有关如何参与每个组的建议。
例如，Genie Code 可能会识别 高级忠诚者 （高收入、频繁购买者）和 讨价还价者 （价格敏感、促销驱动）等细分市场。
步骤 6：使用后续提示进行优化
使用后续提示深入了解分析：
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.
每个后续提示都基于以前的结果生成，而无需重新开始。
