亲戚Iliya Valchanov

在线商店是在零售和电子商务领域应用人工智能和深度学习的数据金矿。每个数据点都构建了对客户习惯的详细理解。为了利用这些数据,最成功的电子商务公司不仅要利用这些数据数据科学基础知识,还深学习技术。深度学习和AI能够提供关键业务的预言就像一个客户是否会再次购买。

任何企业都可以在深学习技术,只要利用两个条件都满足:

  1. 对大量数据的访问
  2. 投资基础设施和谁可以让这些数据的意义上的人

幸运的是,广告商,如Facebook和谷歌允许小企业通过简单地在其网站上粘贴一个脚本来收集几乎为零的努力的数据。此外,谷歌广告和Facebook广告提供进入深学习型购买意向车型的所有企业客户在他们的平台上。所以,尽管你的团队可能无法建立深度学习模型,它可以利用这些科技巨头开发的技术。AI的这种民主化通过创建新的子域,如客户分析改造营销。这也是定位机器和深度学习成为未来几年电子商务的主要参与者。在我的课程中Python中的客户分析我们将介绍如何利用深度学习,以收集客户的个性化的见解。

Python 2020的客户分析

最后更新2020年6月

畅销书
  • 77个讲座
  • 中级水平
4.6 (455)

Python初级和高级客户分析:PCA, K-means聚类,弹性建模和深度神经网络|365个职业,365个职业团队

探索课程

电子商务行业使用什么数据?

在电子商务的世界里,客户数据是丰富的。公司可以利用所有类型的给定客户的数据 - 从人口结构和地理位置收入范围。智能手机应用程序,并嵌入到网站的cookie可以根据客户的喜好识别客户的设备和品牌创建个人资料和广告平台。

其中一些数据甚至可以用作更重要指标的代理,从而获得客户洞察。例如,使用最新款iPhone的顾客可以被认为比使用5年版iPhone的顾客收入更高。

这样丰富的数据使企业能够微调数据洞察更好地了解和服务客户​​。然而,数据分析可以切片,整天切块的数据,但不会让他们产生在个人层面上的客户未来的购买行为的可靠预测。这是一个微妙的使用数据 - 建立在深学习算法 - 可以发挥重要的作用。企业如何才能充分利用其客户信息的优势呢?进入深度学习 - 预测购买意向的优秀资源。

深度学习如何告知购买意图?

随着人工智能的一个分支,深度学习已经在一些当今最转型产品的工具。自动驾驶汽车,面部识别和翻译应用程序都只是一些基于深度学习技术,已经可以面向消费者的产品的例子。

但是,深度学习的应用并不仅限于高科技产品。事实上,许多电子商务公司正在通过深度学习技术来授权他们的营销和销售团队。这些技术通常用于预测单个消费者的购买行为。

这给我们带来了购买意向。购买意向显示了客户是否愿意购买产品。例如,当你输入一个棋盘游戏店,你的购买意图购买一款棋盘游戏的价格很高,这仅仅是因为你所访问的商店的性质。另一方面,去杂货店意味着你想要吃点东西,但不能透露太多你购买鸡蛋的意愿。幸运的是,在电子商务世界中,企业可利用的大量数据使它们能够发现客户的详细偏好和配置文件。

让你的团队。领导你的行业。

通过商业订阅Udemy帮助零售业员工学习深度学习和数据科学技术。

请求一个演示

通过使用数据科学和深入学习实践,我们可以定量分析的购买意向。在数学方面,购买意向的是,消费者会购买产品或服务的可能性。随着购买意向和足够的数据点对我们的客户一个数学表达式,我们可以创建一个深度学习模型,用几乎可以肯定顾客是否会购买我们的产品展示。

在我的课程中Python中的客户分析我们告诉你如何做到这一点。我们概述了如何来搭配深学习技术的数据集来预测从客户重复购买的可能性。在过程中使用的例子中,我们建立从流行的有声书应用程序的实际数据的数据集。通过使用指标,如购买的数量,分听,最后一次登录的日期,评论,等等,我们预计客户将购买从平台另一个有声读物的概率。

然而,最有趣的是,深度学习模型可以做出具体的预测客户。如果您使用商业智能仪表板或其他日常数据分析工具,您将只能得到一个大致的情况,但永远不会进行个人层面的预测。

这种先进的见解达到通过“会买”或“不买”的预测(通常由1和0分别代表)。然而,在后端,我们有购买意向的模型实际输出可能性(例如,我们有67.24%的把握,Alice会在未来3个月内再次购买;所以我们认为她会再次购买。这样的发现可以被用在不同的方面——最明显的是用于营销目的。我们可以用更高的折扣刺激特定的人群,用更多的功能影响其他人,等等。这种洞察也可以帮助营销人员决定如何最好地分配他们的广告预算。

3种方式在零售行业使用深度学习

衡量、评估和预测客户的购买意图并不是零售业深度学习的唯一用途。其他深度学习应用包括:

1.预测流失率

客户流失 - AKA流失 - 是用于订阅业务来衡量谁退订的人数,并停止使用服务的术语。你可能也看到了用来描述员工离开他们的工作,在一个给定的公司的速度流失。这个概念是一个生长速率的相反。对于一个公司的成功,其增长速度应该比它的流失率较高。由于零售商预测购买意向,这是经常被用作增速的代理,他们也将要预测的流失率。

2.推荐算法

像Netflix, Amazon Prime,甚至Udemy这样的网站都很擅长吸引新客户。为了保持较低的流失率,这些公司必须懂得如何通过让客户满意和参与产品来留住客户。相关的建议已经成为留住客户的重要工具。这些深度学习推荐算法使用来自客户在网站和产品使用习惯的数据来推荐节目、产品或课程。

3.欺诈防范

虽然财务欺诈可能会吸引最多的头条新闻,但微小的欺诈活动一直在发生,可能会破坏客户与你的品牌的互动。社交媒体平台上有虚假的“赞”,由长相相似的公司发送的虚假电子邮件,虚假的评论来提升产品的知名度,虚假的社交媒体简介让一个社区看起来比实际更受欢迎。通过利用深度学习算法,所有这些类型的欺诈都可以被识别或预防。那些利用深度学习来防止各种欺诈行为的公司,是为了提高或维持客户对其品牌的积极联想。

初学Excel:财务建模和估值
365个招聘
4.5 (28073)
畅销书
金融建模:构建一个完整的DCF估值模型
365个招聘
4.3 (2720)
畅销书
会计与财务报表分析:完成训练
365个招聘
4.6 (5930)
畅销书
完整的金融分析师课程2020
365个招聘
4.5 (45262)
畅销书
微软Excel 2016初中级Excel培训
365个招聘
4.5 (4807)
财务规划与分析:建立一个公司的预算
365个招聘
4.3 (3447)
畅销书
完整的投资银行课程2020
365个招聘
4.5 (19535)
畅销书
对数据科学和商业分析统计
365个招贤纳士,招聘365团队
4.5 (16761)
畅销书

365个职业的课程

你是否在思考如何将深度学习运用到你的电子商务业务中?加入我们Python中的客户分析课程和解锁的数据科学技术,将帮助您的公司让客户满意,了解哪些产品和服务对他们最重要。

最后更新日期:2020年2月