該專案旨在在電子商務客戶細分的情況下利用生成式人工智慧進行下一步的行銷策略。
該存儲庫由幾個文件組成:
┌── 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
:該文件是經過訓練的用於聚類案例的機器學習模型。
backend/ model/ model.py
:此檔案包含用於從已儲存的檔案載入經過訓練的機器學習模型的程式碼。
backend/ ai.py
:該檔案包含生成ai的後端程式碼。
backend/ ai_respones.txt
:此檔案包含為每個客戶群保存的 AI 回應。
backend/ app.py
:此檔案包含應用程式的後端程式碼。它負責處理伺服器端邏輯、API 端點或任何其他後端功能。
backend/ dockerfile
:Dockerfile 用於為後端應用程式建立 Docker 映像。它包括有關如何設定後端所需的環境和依賴項的說明。
backend/ requirements.txt
:此檔案列出了後端應用程式所需的 Python 依賴項。可以使用 pip 等套件管理器來安裝這些依賴項。
frontend/ app.py
:此檔案是應用程式前端的主要腳本,使用 Streamlit 框架開發。它包含用戶輸入部分以及透過 API 呼叫整合後端功能的部分。
frontend/ df_customer.csv
:此 CSV 檔案是探索性資料分析的結果,用於訓練聚類模型。
frontend/ df_segment.csv
:此 CSV 檔案是聚類的結果。
frontend/ dockerfile
:與後端 Dockerfile 類似,該檔案用於為前端應用程式建立 Docker 映像。它包括有關設定環境和安裝依賴項的說明。
frontend/ ecommerce-cluster.csv
:此 CSV 檔案是 Google BigQuery 查詢的結果。
frontend/ requirements.txt
:此檔案列出了前端應用程式所需的 Python 依賴項。可以使用 pip 等套件管理器來安裝這些依賴項。
docker-compose.yml
:這是 Docker Compose 的設定檔。它為應用程式的容器定義服務、網路和磁碟區。 Docker Compose 簡化了執行多容器應用程式的過程。
README.md
:這是一個 Markdown 文件,通常包含專案的文檔。它包括有關如何設定和運行應用程式、依賴項以及任何其他相關詳細資訊的資訊。
notebook.ipynb
:此 Jupyter Notebook 檔案包含與使用 Google Cloud 的 Vertex AI 的機器學習任務相關的程式碼、分析或文件。
此專案的流程從探索性資料分析 (EDA) 開始,以了解資料集的基本結構。接下來,我們根據扭曲分數手肘和輪廓分數來確定分段數量。接下來,我們訓練模型並使用 K 均值聚類進行預測。聚類結果揭示了 5 個具有特定特徵的客戶群。然後利用產生人工智慧來確定每個客戶群的行銷策略步驟。
在進行探索性資料分析 (EDA) 並根據消費模式、訂單頻率和退貨率將客戶分為五個不同的群組後,採用生成式人工智慧為每個細分市場制定量身定制的行銷策略。
細分1:中等支出的客戶(52.75至112.75),平均74.31美元,平均每人2.27筆訂單。建議的行銷策略是提供個人化推薦以鼓勵重複購買。
細分2:支出較高的客戶(112.75至233.00),平均150.89美元,平均每人1.67筆訂單。建議的行銷策略是引入忠誠度計劃來獎勵重複購買。
細分3:高消費客戶(558.75至999.00),平均801.13美元,平均每人1.01筆訂單。建議的行銷策略是提供獨特的高端產品或服務,以增強優質購物體驗。
第 4 部分:支出較低的客戶(0.02 至 52.78),平均每人 31.24 美元,平均 1.85 個訂單。建議的行銷策略是引入訂閱服務或捆綁交易以提高客戶保留率。
細分5:消費金額較大的顧客(233.66 至 550.00),平均每人 314.91 美元,平均每人 1.44 個訂單。建議的行銷策略是創建獨家 VIP 活動或體驗,以欣賞和留住高價值客戶。