Zelfstudie: Klantsegmentatie met Genie Code

In deze zelfstudie gebruikt u Genie Code om end-to-end klantsegmentatie rechtstreeks in een Databricks-notebook uit te voeren. Vanaf een gegevensset met onbewerkte marketingcampagnes verwerkt Genie Code gegevensprofilering, functie-engineering, K-means-clustering en het genereren van persona's, allemaal vanuit één prompt.

Requirements

• Een Databricks-werkruimte waarvoor Genie Code is ingeschakeld.
• Ondersteund door partners zijn AI-functies ingeschakeld voor zowel het account als de werkruimte. Zie ai-functies die door partners worden aangedreven.
• De preview-versie van de Genie Code Agent-modus is ingeschakeld. Zie Azure Databricks-previews beheren.

Stap 1: De gegevensset ophalen

Voor deze zelfstudie gebruikt u een gegevensset voor marketingcampagnes.

1. Download de gegevensset Marketingcampagne van Kaggle.
2. Klik op Nieuwe > gegevens toevoegen of uploaden.
3. Klik op Een tabel maken of wijzigen.
4. Klik op bladeren of sleep het gedownloade bestand naar de dropzone.
5. Selecteer de doelcatalogus en het schema in Unity Catalog.
6. (Optioneel) Bewerk de tabelnaam.
7. Klik op Tabel maken.

Stap 2: Een notitieblok openen

1. Klik in de zijbalk op Nieuw en selecteer Notitieblok.
2. Geef het notitieblok de naam marketingcampagnegegevens.
3. Koppel het notebook om serverloze berekeningen te berekenen of te gebruiken.

Stap 3: Genie Code starten in agentmodus

Genie Code in de agentmodus kan autonoom taken met meerdere stappen plannen en uitvoeren. Het leest celuitvoer, lost fouten op en past de benadering aan op basis van resultaten.

1. Klik in de rechterbovenhoek van het notitieblok op het Open het deelvenster Genie Code.
2. Selecteer Agent in de moduskiezer onder aan het deelvenster Genie Code.

Stap 4: De segmentatieprompt indienen

Segmentatieanalyse wordt meestal uitgevoerd door klanten te clusteren die vergelijkbare aankooppatronen samen hebben. Segmenten kunnen bijvoorbeeld zijn gebaseerd op inkomsten, demografische gegevens of specifieke aankoopgedrag. Een veelvoorkomende benadering is K-means-clustering, een techniek die soortgelijke klanten automatisch in afzonderlijke segmenten groepeert, 'clusters'.

Voer de volgende prompt in en druk op Enter of klik op :

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 breekt de prompt op in stappen en voert deze uit:

1. Context begrijpt: Genie Code leest uw prompt en de huidige status van het notebook.
2. Hiermee vindt u relevante gegevens : Genie Code zoekt Unity Catalog naar relevante gegevensassets en laadt ze voor analyse.
3. Code genereert en voert uit: Genie Code bewerkt notebookcellen volgens een standaardwerkstroom voor gegevenswetenschap: bibliotheken importeren, gegevens vooraf verwerken, het model trainen en resultaten visualiseren.
4. Geeft een overzicht van de resultaten : Genie Code heeft een samenvatting van wat er is gevonden.

Genie Code vraagt om goedkeuring voordat code wordt uitgevoerd. Controleer elke stap en klik op Toestaan. U kunt ook Toestaan in deze thread selecteren om alle stappen in het huidige gesprek goed te keuren of altijd toestaan om toekomstige goedkeuringsprompts over te slaan.

Stap 5: De resultaten bekijken

Nadat Genie Code is voltooid, bekijkt u de gegenereerde notebook-cellen en de samenvatting in het deelvenster Genie Code. In de samenvatting wordt elk geïdentificeerd klantsegment beschreven, waaronder demografische kenmerken, aankoopgedrag en suggesties voor het betrekken van elke groep.

Genie Code kan bijvoorbeeld segmenten identificeren zoals Premium Loyalists (hoog-inkomen, frequente kopers) en Koopzoekers (prijsgevoelig, promotiegestuurd).

Stap 6: Verfijnen met vervolgprompts

Gebruik vervolgprompts om dieper in te gaan op de analyse:

• 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.

Elke vervolgprompt bouwt voort op de vorige resultaten zonder opnieuw te beginnen.

Aanvullende bronnen

• Genie Code gebruiken voor data science
• Tips voor het verbeteren van Genie Code-reacties
• Genie Code gebruiken