如何使用數(shù)據(jù)分析客戶購買意愿

　　工作中是否經常遇到這樣的場景：業(yè)務部門希望通過營銷活動來提高產品的銷量，但是預算是有限的。在預算允許范圍內，如何更多的提升轉化率是每個從事數(shù)據(jù)分析、數(shù)據(jù)挖掘人員需要面臨的問題。
 

　　本篇將以銀行營銷活動相關數(shù)據(jù)為例，手把手教大家如何識別客戶是否有意愿購買該銀行的產品，針對高意愿客戶進行精準營銷來提升轉化率。廢話不多說，下面開始詳細介紹我們的解決方案。
 

　　數(shù)據(jù)中包含客戶基本信息、活動行為信息。在實際場景中，如果有客戶的偏好信息，參與活動歷史信息等，也可以加入其中。
 

　　數(shù)據(jù)預處理
 

　　1、 數(shù)據(jù)查看
 

　　我們可以看到數(shù)據(jù)共計 25317 行，空數(shù)據(jù)暫無，詳情如下：
 

　　2、數(shù)據(jù)預處理
 

　　對源數(shù)據(jù)進行觀察，可以發(fā)現(xiàn)分類字段有'unknown'這個類別，此時將該類別也當作缺失值，進一步查看
 

　　通常對于缺失值的處理，最常用的方法無外乎刪除法、替換法和插補法。
 

　　1)刪除法是指將缺失值所在的觀測行刪除(前提是缺失行的比例非常低，如 5%以內)，或者刪除缺失值所對應的變量(前提是該變量中包含的缺失值比例非常高，如 70%左右)

　　2)替換法是指直接利用缺失變量的均值、中位數(shù)或眾數(shù)替換該變量中的缺失值，其好處是缺失值的處理速度快，弊端是易產生有偏估計，導致缺失值替換的準確性下降

　　3)插補法則是利用有監(jiān)督的機器學習方法(如回歸模型、樹模型、網(wǎng)絡模型等)對缺失值作預測，其優(yōu)勢在于預測的準確性高，缺點是需要大量的計算，導致缺失值的處理速度大打折扣
 

　　這里觀察到 contact 和 poutcome 的'unknow'類別分別達到 28.76%和 81.67%，在展示數(shù)據(jù)后考慮進一步處理，job 和 education 的 unknown 占比較小，考慮不對這兩個特征的 unknow 進行處理。
 

　　數(shù)據(jù)分析
 

　　下面我們對源數(shù)據(jù)進行數(shù)據(jù)分析，數(shù)據(jù)字段分為離散變量和連續(xù)變量，下面我們將逐一進行分析。
 

　　1、離散變量
 

　　通過可視圖我們可以對每個特征情況進行初步觀察，方便分析這些特征是否會影響購買率。
 

　　2、連續(xù)變量
 

　　1)age 年齡

　　從上圖我們可以看出兩類客戶的購買年齡分布差異不大;

　　2)balance 每年賬戶的平均余額

　　3)duration 最后一次聯(lián)系的交流時長

　　4)campaign 在本次活動中，與該客戶交流過的次數(shù)

　　5)pdays 距離上次活動最后一次聯(lián)系該客戶，過去了多久(999表示沒有聯(lián)系過)

　　6)previous 在本次活動之前，與該客戶交流過的次數(shù)
 

　　特征工程
 

　　通過上述對每個特征進行數(shù)據(jù)分析，我們對數(shù)據(jù)有了大致了解，下面我們從數(shù)據(jù)平衡性、數(shù)據(jù)標準化等角度進行特征工程處理。
 

　　1、從訓練集查看是否平衡數(shù)據(jù)集
 

　　我們可以看到是9:1，數(shù)據(jù)集是不平衡數(shù)據(jù)集
 

　　2、連續(xù)變量即數(shù)值化數(shù)據(jù)做標準化處理
 

　　3、分類變量做編碼處理

　　4、不平衡數(shù)據(jù)集處理

　　數(shù)據(jù)建模
 

　　為了方便講解，本篇使用邏輯回歸進行數(shù)據(jù)分析建模，在實際工作場景中，我們可以使用隨機森林、lgb、xgboost、DNN等模型都是可以的，根據(jù)具體場景和建模效果進行選擇。
 

　　roc-auc曲線
 

　　上面我們進行了數(shù)據(jù)訓練、數(shù)據(jù)預測、模型性能評估等操作。
 

　　結論
 

　　至此，業(yè)務方提出的場景問題，我已給出了解決方案，接下來就是模型迭代優(yōu)化了。