本文分析篇幅略微详细将分为几个章节来阐述,后面不断更新!从检测和预测趋势,到市场购物篮子分析,评估产品列阵矩阵......希望对各位喜欢同学有帮助。
背景介绍
我们将处理零售店、商它们店和电子商务市场如今面临的一个复杂问题。随着现代技术的发展和革新,我们甚至不用任何光顾实体店,在家通过网络或提供购物功能的专用 APP 进行购物,这些已经成为相对舒适在顾和愉快的经历。随着大量零售店、商店、商城和卖家的出现,竞争变得越来越激烈。为了吸引顾客,他们不得不使用他们能搜集得到的关于个人特征、购物模式等所有的客户数据,可以通过机器学习技术,尝试使购物对于毎个人而言都变得越来越个性化。你或许想知道机器学习如何能使购物体验对于毎位用户而言变得更加个性化。问题的点涉答案基于两个要素:数据和算法。通过二者的结合,零售店可以找到顾客购买的趋势产品、顾客的好恶、销售量的高峰和谷底的时间、人们趋向于购买的混合商品的趋势,以及其他零售店出售同类商品的评论和价格。零售店拥有自己的数据科学团队,汇总数据并使用不同的机器学习算法进行处理,帮助他们分析产品趋势,建立推荐引擎,预测顾客最有可能购买的商品,并基于顾客的兴趣和购买历史进行推荐。
本章将着重于建立基于产品的推荐系统,该算法关注顾客的购物交易数据,我们根据这些数据观察顾客购买的产品组合的通用模式,发现和预测顾客最有可能购买的商品以及他们过去购买的商品。在本章中,我们将主要关注以下几种技术:
- 产品列联矩阵的评估
- 频繁项集生成</