Análisis del comportamiento del cliente mediante agrupamiento y clasificación para la segmentación y la previsión en campañas de marketing
Autor:
Alexandar Danailov - St. Cyril and St. Methodius University of Veliko Turnovo (BG)
Resumen
En este artículo se exploran las posibilidades de extraer información útil mediante el análisis de datos utilizando enfoques de aprendizaje automático sobre un conjunto de datos centrado en la gestión de las relaciones con los clientes.
Se aplica un análisis exploratorio de datos a los clientes y a sus interacciones, como compras, respuestas a campañas de marketing y reclamaciones. El examen detallado tiene como objetivo evaluar el potencial de utilizar los resultados de campañas de marketing anteriores para predecir las reacciones de los clientes ante futuras campañas, mejorando así la eficacia del marketing.
Con este fin, se construye un modelo de clasificación para predecir las respuestas de los clientes a la campaña más reciente. Se calculan métricas de evaluación para valorar el rendimiento de la clasificación utilizando distintos conjuntos de características seleccionadas y diferentes clasificadores, y los resultados se resumen y analizan.
El Modelo Lineal Generalizado (GLM) y los modelos de aprendizaje profundo de H2O (DL) destacaron como los de mejor rendimiento en el estudio.
Analiza zachowań klientów z wykorzystaniem klasteryzacji i klasyfikacji na potrzeby segmentacji i prognozowania w kampaniach marketingowych
Autor:
Alexandar Danailov
Streszczenie:
W artykule zbadano możliwości pozyskiwania użytecznych informacji poprzez analizę danych z zastosowaniem metod uczenia maszynowego na zbiorze danych dotyczącym zarządzania relacjami z klientami. Przeprowadzono eksploracyjną analizę danych dotyczących klientów i ich interakcji, takich jak zakupy, reakcje na kampanie marketingowe oraz reklamacje. Szczegółowa analiza miała na celu ocenę możliwości wykorzystania wyników wcześniejszych kampanii marketingowych do przewidywania reakcji klientów na przyszłe kampanie, a tym samym do zwiększenia skuteczności działań marketingowych. W tym celu opracowano model klasyfikacyjny służący do przewidywania reakcji klientów na najnowszą kampanię. Obliczono miary oceny skuteczności klasyfikacji dla różnych zestawów wybranych cech i klasyfikatorów, a następnie podsumowano i omówiono uzyskane wyniki. Najlepsze rezultaty w badaniu osiągnęły uogólniony model liniowy (Generalized Linear Model, GLM) oraz modele głębokiego uczenia H2O (Deep Learning, DL).
In this paper, the possibilities of extracting useful insights through data analysis using machine learning approaches are explored on a dataset focused on customer relationship management. Exploratory data analysis is applied to customers and their interactions, such as purchases, responses to marketing campaigns, and complaints. The detailed examination aims to assess the potential of using results from past marketing campaigns to predict customer reactions to future ones, thereby improving marketing effectiveness. To this end, a classification model is built to predict customer responses to the latest campaign. Evaluation metrics are calculated to assess the classification performance across different sets of selected features and classifiers, and the findings are summarized and discussed. Generalized Linear Model (GLM) and H2O Deep Learning (DL) models stood out as the best performers in the study.
Academic discipline and sub-disciplines:
Artificial Intelligence; Marketing; Psychology