不懂AI輸一半

  ·        摘要 將無標示 (Unlabeled) 的資料進行分群是一種實用的機器學習演算法 , 例如利用客戶歷史交易資料 , 購物喜好 , 年齡層 , 性別 , 國籍 , 或居住地將客戶分群 , 以進行精準行銷與客戶經營就是分群 (Clustering) 演算法的典型應用場合 . 透過客戶分群的幫助 , 企業能夠有效地為目標客群配置行銷資源 , 鞏固某種客群 , 或是將特定的廣告傳送給特定的客群 , 以利於業務推行 . 圖 : 依據身高和體重將人分類的示意圖 ·        認識分群演算法 區分客戶族群會依據客戶的特質將客戶區分成不同的族群 , 例如 : ü   喜愛高收益 , 但是低風險承受的族群 ü   傾向購買某種類型商品的族群 ü   傾向訂閱某種商品的族群 ü   非營利組織的的族群 ü   分析商店的人流 , 支援開店選址 ü   等等 區分客戶族群能夠得到兩種層面的效益 : 1        對客戶的效益 ü   客戶認為廠商在乎他們的需求 ü   客戶認為廠商記得他們的喜好 2      對企業的效益 ü   最佳化行銷預算配置 ü   提升客戶生涯貢獻 ü   提升客戶服務和客戶體驗 ü   為不同的客戶打造最佳行銷管道 ü   改良商品功能 ü   發掘最佳貢獻客戶 ·        使用 K-means 演算法實作客戶分群 在我們的範例中 , 我們將使用 K-means 演算法執行客戶群的工作 . 使用 K-means 演算法對資料進行分群的優點與缺點如下 : 優點 : ü   容易實作 ü ...