通过ProbentisScoring启动个性化
2022年6月3日 内 产业界
消费者越来越期望以个性化方式参与网络横幅宣布产品销售常浏览类或内容与表达兴趣相匹配, 消费者对钱花在哪里有越来越多的选择选择,
A级最近调查McKinsey强调近四分之三消费者现在期望个人化交互作用,作为其购物经验的一部分包括此项调查的研究突出显示,那些通过个性化参赛获得右站增收40%的公司,使个性化成为顶级零售者的关键差分
多家零售商仍为个性化而争先恐后A级最近调查福雷斯特发现只有30%的美商和26%的英国消费者认为零售商为创建相关经验做得很好内单项调查受访者中只有18%强烈表示收到定制建议,消费者越来越多授权切换品牌和插件获取个性化权利已成为越来越多企业的优先事项
个性化之旅
对新个性化组织来说 实现一对一任务的想法似乎令人望而生畏如何克服单片进程、不良数据管理以及对数据隐私的顾虑收集此方法所需的数据如何编译内容和消息 感觉真正个性化 仅有限营销资源如何确保内容有效面向需求变化和偏好变化的个人
多文献个性化突出前沿方法有效性)现实是个性化行程.初级阶段的重点是利用隐私和客户信任更容易维护的第一方数据公平标准预测技术应用来提高经证明的能力价值展示后,组织不仅发展适应这些新技术,还开发各种方法可融入实践,然后使用更精密方法。
代理评分往往是个性化的第一步
个性化行程的第一步之一往往是检验销售数据以深入了解客户个人喜好公司可估计客户对报盘或与子集产品相关内容的潜在接受度市场商使用这些分数可判定他们可使用多条消息中哪条应提交特定客户类似地,这些评分可用于识别或多或少接受特定形式接触的客户段
最偏向评分练习的起始点是计算过去交互作用中数值属性(特征)。特征可能包括客户购买频率、与特定产品类别关联的支出百分比、自上次购买后数天和从历史数据衍生的许多其他度量紧接这些特征计算周期后的历史周期,然后检验感兴趣的行为,如购买某类产品或赎回优惠券行为观察标签一与特征关联反之则分配0标签
数据科学家使用特征预测标签,可训练模型估计兴趣行为发生的概率市场家应用此训练模型计算最近段特征后,估计客户在可预见的未来会参与此行为的概率
多提供、推广、消息和其他内容供我们使用,多模型都训练并应用到同一套特征集中,每个模型预测不同行为由每种感兴趣的行为分数构成的单客户简介编译并发布到下游系统供各种运动协调营销使用
数据砖提供关键能力
直截了当和偏差评分声音一样,它并非没有挑战与零售商聊天时常遇到同样的三大问题:
- 如何维护百元或千元特征 用来训练偏差模型
- 快速训练模型适应营销团队想追求的新运动
- 快速重配置模型 重新训练客户模式流入评分管道
bob体育客户端下载Databricks的焦点是通过分析平台增强客户能力,平台搭建时牢记企业端对端需求bob体育客户端下载为此目的,我们已经把特征存储器、自动ML和MLFLow等特征整合到平台中,所有特征都可用于应对这些挑战,并成为强健偏向评分进程的一部分。
特征商店
上头数据布列克特征商店集中存储器,使各种模型训练演练能持久化、发现并分享特征特征捕捉时,线性元数据和其他元数据捕捉时,数据科学家若想重用由他人创建的特征时,可放心轻松地重用。标准安全模型确保仅允许用户和流程使用这些特征,以便数据科学流程按数据存取组织策略管理
自动ML
数据键自动ML允许你通过利用行业最佳做法快速生成模型玻璃盒解析法Automal先生成数笔记本集,表示与您的假想匹配的不同模型变换并迭代训练各种模型来确定最优使用数据集, 并允许访问与每种数据相联的笔记本对许多数据科学团队来说,这些笔记本成为可编辑的起点,深入探索模型变异,最终允许他们实现一种经过训练的模型,他们认为有信心实现目标
MLFLOL
MLFLOLbob下载地址开源机器学习模型存储器,由Databricks平台管理数据库允许数据科学团队跟踪分析自定义训练周期和自定义训练周期生成的各种模型迭代其工作流程管理能力允许组织快速移动训练模型从开发到制作,这样训练模型可立即对操作产生更多影响
模型与Databricks特征存储器并用时,MLFlow保留对培训期间使用特征的知识模型检索推理时,同样信息允许模型从特征商店检索相关特征,大大简化评分工作流并实现快速部署
建立偏向评分工作流
使用这些特征并发,我们看到许多组织执行偏差评分,并分三部分工作流第一部分数据工程师与数据科学家合作,定义与惯性评分演练相关特征并持续到特征存储器每日或甚至实时特征工程流程定义,以计算新数据输入到时的最新特征值
下一步,作为推理工作流的一部分,客户标识符展示前训练模型,以便产生基于最新特征的偏差分数特征存储信息并用模型捕捉数据工程师检索这些特征并相对容易生成期望分数bob体育客户端下载分数可能持续解析Databricks平台内,但比较常见的是发布到下游营销系统
最后,在模型培训工作流中,数据科学家定期重新培训偏差评分模型以捕捉客户行为变换因为这些模型坚持MLFLow使用变化管理流程评价模型并提升那些符合组织标准模型的生产状态下一迭代推理工作流中 取取每种模型最新制作版 生成客户分数
展示这些能力如何协同使用, 我们搭建端对端工作流 偏向评分基础工作流展示上文描述的工作流三段并显示如何使用关键数据插件特征构建有效偏向评分管道
下载资产来bob体育客户端下载并用它为起始点使用Databricks平台构建个人化基础