Condividi tramite

Esercitazione: Segmentazione del cliente con Genie Code

In questa esercitazione si usa Genie Code per eseguire la segmentazione dei clienti end-to-end direttamente all'interno di un notebook di Databricks. A partire da un set di dati di campagna di marketing non elaborato, Genie Code gestisce la profilatura dei dati, la progettazione delle funzionalità, il clustering K-means e la generazione di persona, da un singolo prompt.

Analisi della segmentazione dei clienti con Genie Code

Requisiti

Passaggio 1: Ottenere il set di dati

Per questa esercitazione si usa un set di dati della campagna di marketing.

  1. Scarica il set di dati Marketing Campaign da Kaggle.
  2. Fare clic su Nuova icona Nuovo> Aggiungi o carica dati.
  3. Cliccare su Creare o modificare una tabella.
  4. Fare clic su Sfoglia o trascinare il file scaricato nell'area di rilascio.
  5. Selezionare il catalogo di destinazione e lo schema in Unity Catalog.
  6. (Facoltativo) Modificare il nome della tabella.
  7. Fare clic su Crea tabella.

Passaggio 2: Aprire un notebook

  1. Nella barra laterale fare clic su Nuovo e selezionare Notebook.
  2. Denominare il notebook Marketing Campaign Data.
  3. Collega il notebook all'ambiente di calcolo o usa l'ambiente di calcolo serverless.

Passaggio 3: Avviare Genie Code in modalità agente

Genie Code in modalità agente può pianificare ed eseguire attività in più passaggi in modo autonomo, legge gli output delle celle, corregge gli errori e ne adatta l'approccio in base ai risultati.

  1. Nell'angolo in alto a destra del notebook fare clic sull'icona Assistente database. Per aprire il riquadro Genie Code (Codice Genie).
  2. Nel selettore di modalità nella parte inferiore del riquadro Genie Code (Codice Genie) selezionare Agent (Agente).

Passaggio 4: Inviare la richiesta di segmentazione

L'analisi della segmentazione viene in genere eseguita raggruppando i clienti che hanno modelli di acquisto simili. Ad esempio, i segmenti possono essere basati su reddito, dati demografici o comportamenti di acquisto specifici. Un approccio comune è il clustering K-means, una tecnica che raggruppa automaticamente clienti simili in segmenti distinti, denominati "cluster".

Immettere il prompt seguente e premere INVIO o fare clic sull'icona Invia.

Help me cluster my customers from my marketing campaign to profile them. I want to identify interesting segments that may be useful for marketing purposes.

Genie Code suddivide il prompt nei passaggi e li esegue:

  1. Informazioni sul contesto : Genie Code legge il prompt e lo stato corrente del notebook.
  2. Trova i dati pertinenti : Genie Code cerca in Unity Catalog gli asset di dati pertinenti e li carica per l'analisi.
  3. Genera ed esegue codice : Genie Code modifica le celle del notebook seguendo un flusso di lavoro standard di data science: importazione di librerie, pre-elaborazione dei dati, training del modello e visualizzazione dei risultati.
  4. Riepiloga i risultati : Genie Code include un riepilogo in linguaggio normale di ciò che ha trovato.

Genie Code richiede l'approvazione prima di eseguire il codice. Esaminare ogni passaggio e fare clic su Consenti. È anche possibile selezionare Consenti in questo thread di approvare tutti i passaggi della conversazione corrente oppure Consentire sempre di ignorare le richieste di approvazione future.

Passaggio 5: Esaminare i risultati

Dopo che il codice Genie è terminato, esaminare le celle del notebook generate e il riepilogo nella finestra Codice Genie. Il riepilogo descrive ogni segmento di cliente identificato, tra cui caratteristiche demografiche, comportamento di acquisto e suggerimenti su come coinvolgere ogni gruppo.

Ad esempio, Genie Code potrebbe identificare segmenti come Lealisti Premium (ad alto reddito, acquirenti frequenti) e Cercatori di affari (sensibili ai prezzi, basati sulla promozione).

I risultati dell'analisi di segmentazione dei clienti nel contesto di Genie Code.

Passaggio 6: Raffinare con richieste di approfondimento

Usare le istruzioni di completamento per approfondire l'analisi:

  • Are there any other clustering techniques we should consider?
  • What happens if we increase the number of clusters?
  • Filter to customers who have made a purchase in the last 90 days.

Ogni prompt di follow-up si basa sui risultati precedenti senza ricominciare.

Dati della campagna di marketing in un dashboard.

Risorse aggiuntive

  • Last updated on