手机站:/m

百度云_如何创建人工智能网络-mysql数据库_折扣

时间:2021-09-28 12:28编辑:淘客樊里来源:淘客樊里当前位置:主页 > 云主机 >

赢回对我们的服务或产品失去信心的客户是一项费时费力的任务。那么,为什么不在顾客还是顾客的时候阻止他们到别处去寻找他们的运气,而不是在他们与我们的竞争对手有过(良好的)经历之后再让他们回来呢?如果我们能找出那些有可能提前离开的客户,那不是很好吗?采取行动阻止他们离开,而不是用更大的努力赢回他们?

因此,客户流失分析是预测分析最流行的用例之一。传统上,这种分析是基于客户数据,如年龄,性别和历史销售行为。尽管这些在网上购物时仍然是重要的客户属性,但我们可以用从我们的网上商店获取的数据来补充这些属性,比如访问的页面数,在我们的主页或废弃购物卡上花费的平均时间。

既然我们已经认识到客户流失分析对业务的重要性,并且已经确定了我们可以使用的数据,我们应该尝试确定能够进行此类分析的人。它真的需要一个数据科学家——一个并非所有公司都能获得的昂贵而稀缺的资源——来进行这样的标准分析吗?反过来,数据科学家又不会因为问题的简单而过于兴奋?这就是为什么SAP Analytics Cloud with Smart Predict为业务用户提供了一个解决常见预测用例的工具集。有了这一点,业务分析师可以自己解决标准的统计用例,从而将数据科学家从日常任务中解放出来,并为他提供更多的时间来完成繁重的工作。

本指南将引导我们在SAP Analytics Cloud中完成在线零售商店客户流失分析的过程。

因此,让我们看看一个销售美容和医药产品的在线购物门户网站。收集的数据描述了门户上的使用情况和活动。基于这些数据,我们希望预测哪些客户最有可能流失。要查找历史数据中的模式并训练此模型,请使用以下数据集:

首先,我们登录到SAP analytics云实例。

开始之前,请查看您的配置文件设置,并确保数字格式设置为"1234.56"。

登录后,需要上载数据集。为此,我们点击左上角的菜单,选择"创建"并点击"数据集"。

在弹出窗口中,我们选择"从文件上传的数据"。

我们选择源文件"客户"客户流失.csv,单击"导入",然后单击"确定"。

现在我们已经上传了数据集,我们可以开始构建预测场景。我们在菜单上选择"创建"和"预测场景"。

预测场景是一组具有共同特征的用例。SAP分析云的智能预测目前提供3种预测场景:

分类场景预测(目标)变量的值,该变量只能有两个值,优惠券代理平台哪个好,如yes和no或0和1。分类场景的示例包括客户流失与目标变量预测客户是否会离开目标变量预测顾客是否会购买提供给他的产品的购买倾向目标变量表示交易或索赔是否欺诈的欺诈行为回归场景根据描述目标变量的变量来预测目标变量的数值。回归场景的例子是午餐时间逛商店的顾客人数下一季度客户的收入旧车的售价时间序列情景预测一个变量随时间变化的值,并考虑进一步的描述性变量。时间序列场景的例子是未来几个季度产品线的收入一个城市未来几天租用的自行车数量未来几个月的差旅费

用户现在必须遵循3个简单的步骤:

在学习阶段包含客户行为并在应用阶段预测的变量称为目标变量。

下面的屏幕截图显示了分类、回归和时间序列三个选项。在每个选项下都有一个描述,以便于用户为每个用例选择正确的场景。在本练习中,我们希望创建一个模型来预测哪些客户最有可能流失。基于对预测场景类型的描述,我们可以看到分类将能够满足我们的需求。因此,我们选择"分类"。

在弹出窗口中,我们给场景一个名称,例如"客户流失"。

现在我们可以创建我们的预测模型。

我们需要为我们的模型选择一个输入数据集。输入数据集包含我们用来训练预测模型的历史数据。

我们从文件夹中选择客户流失数据。

选择输入数据后,让我们看看变量的详细信息。我们点击选择输入数据的字段正下方的"编辑列详细信息",并检查变量的所有数据类型是否正确识别。

请检查变量的所有数据类型是否正确识别,如我们在下面看到的:

正确定义所有列详细信息后,我们需要选择变量角色:

目标变量是我们在学习阶段后试图预测的变量。在我们的例子中,我们选择目标变量作为"合同活动"。

对目标没有影响的变量可以从建模过程中排除。排除变量可以加快执行过程,但保持它们不会干扰建模过程。在我们的示例中,大数据解决方案,客户ID(因为它是为每个客户随机选择的)对目标没有影响,并且被排除在外,如下一屏幕所示。

上一篇虚拟主机_经济免费云服务器永久使用-数据库_优惠券

下一篇网站服务器_百度云大数据怎么样-盘下载提速_年度促销

云市场知识本月排行

云市场知识精选