- 博客(4)
- 收藏
- 关注
RSS订阅原创 原來用Python實作行銷RFM model，可以那麼簡單！-【附Python程式碼】
而在RFM Model的課程中，有學員提到，公司也想導入RFM，並且要以Python進行編寫，因為上述文章是以R語言為基礎，而目前市面上並沒有以Python實作RFM的程式碼，因此本文以Python為主要語言進行RFM實作。在開始程式編即之前，就讓我們來解析資料內容 因為RFM只需要基本的銷售資料，就能做出強大的顧客分群，等同於市場區隔（Segmentation），且邏輯清晰明瞭。一般的CRM資料一定有有購買者ID、銷售ID、購買時間、購買金額，這麼少的欄位若要進行機器學習其實誤差值是非常大的，這時候RFM
2023-01-09 12:10:03
164
原创 Pandas爬蟲實戰－爬下全台各地區氣象預報歷史資料
一定會很好奇，為何不直接爬台灣氣象局的網站，原因在於，台灣氣象局的網站無法抓到「歷史」天氣。我們很常會需要調查一個區域的天氣，不管是從事事業，或者土地建物，都跟天氣非常有關係，因此我選擇到2345天氣王當中查看。觀察該API的網址會發現，主要會有幾個參數： 地區的編號、 台灣...
2023-01-09 12:06:44
336
原创 購物籃分析-part2【附Python程式碼】
在前篇文章中，已經介紹購物籃分析中，最重要的三個變數，接下來課程將以實作的方式，並且帶領您管理意涵。apriori套件中有兩個參數必須要設定，分別就是最小支持度（min_support）與最小提昇度（min_lift），雖然min_lift沒有強制要設定，但沒有設定的話分析出來的結果沒有意義。 min_support是設定大於多少的支持度要挑選出來，這個數字如果太小，會造成資料過多，相對資料太大，可能會沒有商品組合可以符合這個條件。min_lift就是之前所提到的，必須要設定大於1，否則商品就沒有正相關。
2022-09-01 08:54:09
434
原创 購物籃分析，最清楚概念-part1
精準行銷其實離你並不遠在以往的行銷中，都是使用老闆經驗的判斷，直覺性的當消費者買A產品，它可能會需要B產品當輔助，因此對消費者進行B商品的推銷，但這會有兩個盲點：1. 老闆記憶有限，也只能記得幾個常見的組合，或者佔店內收入較大的商品組合。2. 有些組合是老闆永遠不會想到、觀察到的，譬如啤酒與尿布的例子，又有誰會想到，去超市買尿布的新手父親，會順便買幾瓶啤酒呢？.........
2022-08-30 09:11:24
469
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人