Python-сообщество

Коллеги, привет.

Есть клиентская база розничной оффлайновой сети.
Стоит задача сегментации клиентской базы с целью сделать как-можно более подходящее предложение для каждого из сегментов для повышения частоты покупок, повышения лояльности (бла-бла-бла).
Считаем что есть все показатели, которые нам нужны(id клиента, кол-во, сумма покупок и т д).

На повестке дня вопрос использования моделей машинного обучения.
Вопрос к тем, у кого есть практический опыт:

1 будет ли от этого толк? или лучше ковырять сводные в экселе и не мучать никого машинными моделями
2 если да - с чего начать?

Просмотрел несколько видео на курсера и т д, но думаю что даже при окончании курса он мне не даст практический ответ на вопрос - возможно ошибаюсь.

1 Конечно будет
2. Перемножай “более подходящее предложение для каждого из сегментов” на “повышения лояльности”

Iskatel
Перемножай “более подходящее предложение для каждого из сегментов” на “повышения лояльности”

Что???

Serhio_ssv

Вам предварительно нужно разработать математическую модель, которая будет соотносить клиента и торговую зону. Самые адекватные пока - это модели для идентификации и сегментации торговых зон на базе теории нечетких множеств (книгу с примером сегментации для транспортных зон могу посмотреть). Потом уже можно эту модель обучать (для примера на уровне подбора весовых коэффициентов или выбора функций оценки принадлежности). Короче, это не инженерная задача, а немного научная, но на базовом уровне нужно взять готовые модели и посмотреть как они ложатся на Вашу задачу. Экспертные оценки неплохо было бы притянуть, хотя если есть большой набор эмпирических данных, то можно пока без них. Как-то так…