Generative AI for Personalized E commerce Customer Segmentation
1.0.0
Этот проект направлен на использование генеративного искусственного интеллекта для следующей маркетинговой стратегии в случае сегментации клиентов электронной коммерции.
Этот репозиторий состоит из нескольких файлов:
┌── Backend/
│ ├── model/
│ | ├── model.pkl
│ | ├── model.py
│ ├── ai.py
│ ├── ai_response.txt
│ ├── app.py
│ ├── dockerfile
│ ├── requirements.txt
├── Frontend/
│ ├── app.py
│ ├── df_customer.csv
│ ├── df_segment.csv
│ ├── dockerfile
│ ├── ecommerce-cluster.csv
│ ├── requirements.txt
├── docker-compose.yml
├── notebook.ipynb
└── README.md
backend/ model/ model.pkl : этот файл представляет собой обученную модель машинного обучения для случая кластеризации.
backend/ model/ model.py : этот файл содержит код для загрузки обученной модели машинного обучения из сохраненного файла.
backend/ ai.py : этот файл содержит внутренний код для генеративного AI.
backend/ ai_respones.txt : этот файл содержит сохраненный ответ ИИ для каждого сегмента клиентов.
backend/ app.py : этот файл содержит внутренний код приложения. Он отвечает за обработку серверной логики, конечных точек API или любых других внутренних функций.
backend/ dockerfile : Dockerfile используется для создания образа Docker для внутреннего приложения. Он включает инструкции по настройке среды и зависимостей, необходимых для серверной части.
backend/ requirements.txt : в этом файле перечислены зависимости Python, необходимые для внутреннего приложения. Эти зависимости можно установить с помощью менеджера пакетов, такого как pip.
frontend/ app.py : этот файл является основным сценарием внешнего интерфейса приложения и разработан с использованием платформы Streamlit. Он содержит разделы для пользовательского ввода и интеграцию серверных функций посредством вызовов API.
frontend/ df_customer.csv : этот CSV-файл является результатом исследовательского анализа данных и используется для обучения модели кластеризации.
frontend/ df_segment.csv : этот файл CSV является результатом кластеризации.
frontend/ dockerfile : аналогично внутреннему файлу Dockerfile, этот файл используется для создания образа Docker для внешнего приложения. Он включает инструкции по настройке среды и установке зависимостей.
frontend/ ecommerce-cluster.csv : этот CSV-файл является результатом запроса Google BigQuery.
frontend/ requirements.txt : в этом файле перечислены зависимости Python, необходимые для внешнего приложения. Эти зависимости можно установить с помощью менеджера пакетов, такого как pip.
docker-compose.yml : это файл конфигурации для Docker Compose. Он определяет службы, сети и тома для контейнеров вашего приложения. Docker Compose упрощает процесс запуска многоконтейнерных приложений.
README.md : это файл Markdown, который обычно содержит документацию по проекту. Он включает информацию о том, как настроить и запустить ваше приложение, зависимости и любую другую соответствующую информацию.
notebook.ipynb : этот файл Jupyter Notebook содержит код, анализ или документацию, связанную с задачами машинного обучения с использованием Vertex AI от Google Cloud.
Ход этого проекта начинается с исследовательского анализа данных (EDA), чтобы понять базовую структуру набора данных. Затем мы определяем количество сегментов на основе оценки искажения локтя и оценки силуэта. После этого мы обучаем модель и делаем прогнозы с помощью кластеризации K-средних. Результаты кластеризации позволяют выделить 5 сегментов клиентов со специфическими характеристиками. Затем используется генеративный искусственный интеллект для определения шагов маркетинговой стратегии для каждого сегмента клиентов.
После проведения исследовательского анализа данных (EDA) и сегментирования клиентов на пять отдельных групп на основе структуры расходов, частоты заказов и коэффициентов возврата был использован генеративный искусственный интеллект для разработки индивидуальных маркетинговых стратегий для каждого сегмента.
Сегмент 1: Покупатели с умеренными расходами (от 52,75 до 112,75), в среднем 74,31 доллара США и в среднем 2,27 заказов на человека. Предлагаемая маркетинговая стратегия заключается в предоставлении персонализированных рекомендаций для поощрения повторных покупок.
Сегмент 2: Клиенты с более высокими расходами (от 112,75 до 233,00), в среднем 150,89 долларов США и в среднем 1,67 заказов на человека. Предлагаемая маркетинговая стратегия – внедрение программы лояльности для поощрения повторных покупок.
Сегмент 3: клиенты с высокими расходами (от 558,75 до 999,00), в среднем 801,13 доллара США, со средним количеством заказов 1,01 на человека. Предлагаемая маркетинговая стратегия заключается в предложении эксклюзивных, высококачественных продуктов или услуг для повышения качества покупок премиум-класса.
Сегмент 4: клиенты с меньшими расходами (от 0,02 до 52,78), в среднем 31,24 доллара США и в среднем 1,85 заказов на человека. Предлагаемая маркетинговая стратегия — внедрить услуги подписки или комплексные предложения для увеличения удержания клиентов.
Сегмент 5: Клиенты со значительными расходами (от 233,66 до 550,00), в среднем 314,91 доллара США и в среднем 1,44 заказа на человека. Предлагаемая маркетинговая стратегия заключается в организации эксклюзивных VIP-мероприятий или мероприятий, чтобы ценить и удерживать ценных клиентов.
