Puntuación de Propensión de Compra para Campaña de Marketing

Contexto empresarial

Una empresa de retail quiere optimizar su próxima campaña de marketing. Necesita identificar a los clientes con mayor probabilidad de comprar un nuevo producto. Se utilizará un modelo de red neuronal pre-entrenado para puntuar una lista de clientes potenciales y obtener las probabilidades de compra para priorizar el contacto.

Sobre el conjunto : neuralNet

Entrenamiento de redes neuronales artificiales clásicas.

Descubrir todas las acciones de neuralNet

Preparación de datos

Crea una tabla de clientes a puntuar ('customers_new') y una tabla de modelo ficticia ('marketing_model'). La tabla de clientes contiene datos demográficos y de comportamiento de compra previo.

¡Copiado!

1	DATA casuser.customers_new(keep=ID_CLIENTE EDAD INGRESOS_ANUALES COMPRAS_PREVIAS) casuser.marketing_model;
2	/* Crear datos de clientes */
3	call streaminit(123);
4	DO ID_CLIENTE = 1 to 1000;
5	EDAD = 20 + rand('integer', 50);
6	INGRESOS_ANUALES = 30000 + rand('integer', 70000);
7	COMPRAS_PREVIAS = rand('integer', 15);
8	OUTPUT casuser.customers_new;
9	END;
10
11	/* Crear modelo ficticio */
12	LENGTH _MODEL_ 8 _MODELNAME_ $32 _TARGET_ $32 _TYPE_ $16;
13	_MODEL_ = 1; _MODELNAME_ = 'MarketingModel'; _TARGET_ = 'PROPENSION_COMPRA'; _TYPE_ = 'CLASSIFICATION';
14	OUTPUT casuser.marketing_model;
15	RUN;

Étapes de réalisation

Cargar las tablas de clientes y del modelo a la memoria de CAS (ya realizado en data_prep).

¡Copiado!

1	/* Las tablas casuser.customers_new y casuser.marketing_model ya están en CAS */

Ejecutar annScore para puntuar los clientes. Se solicita la evaluación de probabilidades (assess=true) y se copia el ID del cliente para su identificación.

¡Copiado!

1	PROC CAS;
2	neuralNet.annScore /
3	TABLE={name='customers_new'},
4	modelTable={name='marketing_model'},
5	assess=true,
6	copyVars={'ID_CLIENTE'},
7	casOut={name='customers_scored', replace=true};
8	RUN;
9	QUIT;

Verificar el contenido de la tabla de salida para asegurar que las probabilidades y el ID del cliente están presentes.

¡Copiado!

1	PROC CAS;
2	TABLE.fetch / TABLE={name='customers_scored'} to=5;
3	RUN;
4	QUIT;

Resultado esperado

Se genera una tabla CAS llamada 'customers_scored'. Esta tabla debe contener el 'ID_CLIENTE', la predicción de propensión ('_NN_PredName_') y las columnas de probabilidad para cada nivel del evento (ej. '_NN_P_1', '_NN_P_0'), permitiendo al equipo de marketing clasificar y seleccionar a los clientes más prometedores.

Voir la documentation technique de annScore