预测客户意向

Question

我得到了这个前景数据集：

ID     Company_Sector         Company_size  DMU_Final  Joining_Date  Country
65656  Finance and Insurance       10        End User   2010-04-13   France
54535  Public Administration       1         End User   2004-09-22   France

和销售数据集：

ID    linkedin_shared_connections   online_activity  did_buy   Sale_Date
65656            11                        65           1      2016-05-23
54535            13                        100          1      2016-01-12

我想要建立一个模型，将成为客户的概率分配给前景表中的每个前景。该模型将预测一个前景是否要购买，并返回概率。销售表给出了2015年的销售信息。我的方法--“确实购买”栏应该是模型中的标签，因为1代表了2016年购买的前景，而0则意味着不出售。另一个有趣的专栏是从5到685不等的在线活动。它越高，产品的前景就越活跃。所以我试着做随机森林模型，然后以某种方式将每个前景的概率放到新的意图列中。在这种情况下，随机森林是一个有效的模型，或者我应该使用另一个模型。如何将模型结果应用到第一个表中的每个前景的新的“意图”列中。

Answer 1

首先，请参阅如何问和主题上指南。这与其说是一个实际的或具体的问题，不如说是一种咨询。也许更合适的话题是机器学习。

博士:随机森林是很好的，但由于数据不平衡，似乎是不合适的。您应该了解推荐系统，以及更先进、性能更好的模型(如宽而深 )。

答案取决于:你有多少数据？在推理过程中，您的可用数据是什么？在客户购买之前，您能看到潜在销售的当前"online_activity“属性吗？许多问题可能会改变适合您任务的整个方法。

建议：

一般来说，这是一种业务，您通常处理非常不平衡的数据-低数量的"did_buy"=1针对大量潜在客户。

在数据科学方面，您应该定义有价值的成功度量，它可以尽可能直接映射到金钱。在这里，通过广告或接近更可能的客户来采取行动似乎可以提高"did_buy“/ "was_approached”，这是衡量成功的重要指标。加时赛，如果你提高了这个数字，你就会成功。

另一件要考虑的事情是，你的数据可能很稀少。我不知道你通常能买多少东西，但你可以从每个国家得到一个，等等，这也应该考虑，因为简单的随机森林可以很容易地在它的随机模型中瞄准这一栏，而过度拟合将是一个大问题。决策树受数据集不平衡的影响。然而，通过获取叶中每个标签的概率，而不是一个决定，有时可以帮助简单的可解释模型，并且它反映了数据的不平衡。老实说，并不认为这是正确的方法。

如果我在你的地方：

我首先通过以下方式将前景列嵌入向量：

• 将类别转换为随机向量(每个类别)或一次热编码。
• 规范或将公司规模调整为符合预测模型的数字(下一个)
• 对日期也有相同的想法。在这里，也许年份是有问题的，但几个月/几天应该是有用的。
• 国家绝对是绝对的，也许会增加另一个“未知”的国家类别。

然后,

• 我会使用一个模型，它实际上可以根据不同的成本进行优化。逻辑回归是一个广泛的，深神经网络是另一种选择，或看谷歌的宽而深组合。
• 将成本设置为我的黄金数字(标签上的货币度量)，或者尽可能接近的东西。
• 运行实验

最后，

• 检查我的结果和失败的原因。
• 建议另一种模式/特征
• 重复一遍。
• 去吃吧发射。
• 问一大堆数据问题。
• 试着至少回答一些。
• 在数据中发现新的有趣的关系。
• 建议一些有趣的东西。
• 重复(明天)。

当然，这不仅仅是上面提到的，而是让您在数据和业务上发现更多信息。

希望我帮了你！祝好运。