В контексте предиктивной клиентской аналитики показатель склонности — это вероятность того, что посетитель, клиент или потенциальный клиент совершит определенное действие. В условиях бизнеса, основанного на электронной коммерции, показатель склонности можно рассчитать, наблюдая за различными действиями пользователя на веб-сайте. Эти действия могут включать в себя все веб-клики, такие как открытие изображения, чтение обзоров, чтение часто задаваемых вопросов и все, что потенциальный клиент делает, прежде чем принять решение о покупке продукта.
Основываясь на этих оценках, помощь в режиме реального времени может предоставляться только тем, кто выглядит как настоящий клиент, а не просто случайным посетителям сайта. Однако предоставление персонализированной помощи клиентам увеличивает стоимость привлечения клиентов, поэтому компания должна тратить деньги только на потенциальных клиентов, чтобы получать прибыль.
Прежде чем перейти к модели, давайте взглянем на типичный набор данных о веб-кликах.
Данные
Набор данных состоит из записей каждого отдельного сеанса разных пользователей за определенный период. Все клики пользователя в разных разделах веб-страницы определенного продукта представлены в двоичном формате. Последний столбец «КУПИТЬ» содержит информацию о том, был ли продукт куплен после выполнения определенных веб-кликов.
Импорт библиотек
Вот список пакетов и библиотек, которые мы будем использовать.
Корреляция
Теперь давайте посмотрим, как разные переменные связаны друг с другом. Функция .corr() удобна для поиска корреляции между переменными. При этом вы можете дополнительно решить, использовать ли определенные переменные в модели.
Здесь мы видим, что существует высокая корреляция между переменными «КУПИТЬ» и «ОБЗОРЫ». Это указывает на то, что пользователи, которые нажимают или читают раздел отзывов, с наибольшей вероятностью купят этот продукт. Есть некоторые переменные, которые не столь значимы, и поэтому было бы неплохо не использовать их в модели.
Мы будем использовать только те переменные-предикторы, которые значимы для целевой переменной.
Сплиты для тренировок и тестирования
Теперь разделим данные для обучения и тестирования модели.
Построение модели и проверка точности
Мы будем использовать алгоритм Gaussian Naive Bayes, чтобы определить, будет ли посетитель конвертироваться или нет, а также его вероятность. Наивные байесовские методы представляют собой набор алгоритмов обучения с учителем, основанных на применении теоремы Байеса с «наивным» предположением об условной независимости между каждой парой признаков при заданном значении переменной класса.
В этой модели мы используем всего 500 наблюдений, 350 для обучения и 150 для тестирования модели. Увеличение данных приведет к большей точности. Матрица путаницы также может быть рассчитана для проверки производительности модели.
Прогнозы в реальном времени
Теперь, когда модель построена, давайте используем ее для прогнозов в реальном времени. Поэтому, когда клиент начинает посещать страницы одну за другой, мы собираем этот список, а затем используем его для вычисления вероятности. Мы делаем это для каждого нового клика.
Итак, давайте начнем. Клиент только что зашел на ваш сайт. Значимых кликов нет. Вычислим вероятность. Массив переданных значений имеет значения для ОБЗОРОВ, BOUGHT_TOGETHER, COMPARE_SIMILAR, WARRANTY и SPONSORED_LINKS. Таким образом, массив изначально состоит из нулей. Мы используем функцию predict_proba(), чтобы найти вероятность.
Таким образом, начальная вероятность равна 4%. Теперь предположим, что клиент сравнивает аналогичные продукты. Массив изменяется, чтобы включить 1 для этой функции. Новая вероятность будет
Показатель склонности теперь составляет 13%. Он вырос. Теперь, если клиент проверяет ОБЗОРЫ
Он стреляет до 50+%. У вас может быть порог, когда вы хотите предложить помощь клиентам. Вы можете продолжать проверять эту вероятность по этому порогу, чтобы увидеть, хотите ли вы помочь клиенту, используя всплывающее окно чата.
В этом примере показано, как можно использовать предиктивную аналитику в режиме реального времени, чтобы определить, имеет ли web_clicks высокую склонность к конверсии, и предложить ему пообщаться с торговым представителем/агентом.
