寻找适合数字媒体定位的相似客户
我想为数字营销团队开发一个模型。我们有一些理想的客户，我们向他们发送我们的促销，并已转变。
现在，我们想选择过去的这种情况，并希望发送促销给类似(相似)客户的数字营销。
我知道这是一个广泛的问题，但任何方法、技术和建议都将不胜感激。
回答 1
Data Science用户
发布于 2020-01-13 18:14:25
在数字营销中，这似乎是一个非常常见的场景，一些公司已经发布了他们的相似建模方法。
以下是几个链接：
也许你可以从这些公司所做的事情中获得灵感。我所读过的大多数相似的系统都分为以下几类:分段近似模型、回归模型和基于相似性的模型。
分段逼近是一种类似于协同过滤的思想。这样做的目的是找出哪些兴趣是在你的种子受众(也就是你过去的转换器)中共享的。然后，通过寻找具有相似兴趣的新个人来扩大受众。显然，只有当你掌握了一些关于潜在客户利益的信息时，才能做到这一点。
回归模型试图计算一个成员函数，从0(一点都不类似种子受众)到1(种子受众的成员)。您可以使用此模型对每个潜在客户进行评分，而那些获得足够高分数的客户将被包括在类似的观众中。这种方法的一个具有挑战性的方面是，你必须使用半监督的训练。你有一组正面的例子(过去的转换器)，你有更多的混合标签的例子(没有转换的人)。
基于相似性的模型通常试图以一种无监督的方式为客户学习有用的表示。然后，您可以在表示空间中运行集群，您的外观相似的受众将是那些与种子受众高度重叠的集群。或者，您可以在表示空间中进行相似性比较，并通过对转换器和其他潜在客户之间的相似性进行阈值化来构造相似的受众。
您使用的特定学习算法可能会根据您现有的数据而有所不同。上面的链接可能会引发一些想法。
希望这能帮上忙！
https://datascience.stackexchange.com/questions/66403
复制相似问题
腾讯云开发者
