Utilización de enfoques de ML para crear un motor de recomendación para el equipo de ventas

Question

Trabajo en una startup como desarrollador, pero quería ayudar a nuestro equipo de ventas con la ejecución de algunos algoritmos de ML en los datos. Un poco de contexto: La mayor parte de nuestros ingresos provienen de la compra de anuncios, así que, en pocas palabras, tenemos un equipo de ventas que se acerca a nuestros clientes potenciales para venderles anuncios. Yo quería hacer este proceso más eficiente mediante la construcción de un motor de recomendación que haría predicciones sobre la probabilidad de que diferentes clientes potenciales compren nuestros anuncios.

Lo pensé de esta manera: Digamos que tenemos los siguientes datos de ventas anteriores: {(x ₁ , y ₁ ), ..., (x _n , y _n )}, donde x representa las oportunidades de venta e y es de un conjunto binario de {0,1}, donde 1 indica que la oportunidad se convirtió y 0 que no. Y cada cliente potencial tiene el siguiente vector de características para x _i en R d : x _i \= {x 1 , x 2 ,...,x d Ahora, cada vez que se nos da una nueva x _k y queremos encontrar la correspondiente y _k para ello.

Pensaba que es un problema clásico de aprendizaje supervisado y que podemos aplicar un enfoque discriminativo (por ejemplo, kNN, SVM, etc.) para resolverlo.

¿Le parece lógico hasta ahora o sugeriría un planteamiento completamente distinto? Un problema que personalmente tengo es que, bueno, tiene sentido que la y de nuestros datos sea binaria, ya que esos clientes potenciales se convierten o no. Sin embargo, creo que tiene más sentido producir valores probabilísticos de y en adelante, ya que sería más beneficioso para el equipo de ventas. Pero no sé cómo hacerlo, ya que de esta forma hay una clara división entre el formato de los valores pasados de y ({0,1}) y los futuros valores de y que estamos intentando predecir.

Answer 1

El hecho de que sus etiquetas sean binarias no implica que las predicciones tengan que serlo. La mayoría de los métodos de clasificación pueden generar probabilidades, aunque se hayan entrenado con objetivos binarios. En concreto, la regresión logística, kNN, los bosques aleatorios y los árboles de decisión potenciados por gradiente (GBM) pueden hacerlo.

Estoy de acuerdo en que aquí sólo tiene sentido una predicción probabilística. Por un lado, supongo que las tasas de conversión son bajas, y si es así, la mayoría o todas las predicciones duras serían 0. Obviamente, con probabilidades (o simplemente valores de decisión), puede obtener una clasificación de los clientes potenciales y utilizarla.

Answer 2

El planteamiento básico es correcto. Hay muchos algoritmos que lo realizarían. La regresión logística puede servir, con la ventaja de las probabilidades relativamente calibradas, incluso con grandes conjuntos de datos. Si su conjunto de datos es grande, SVM no vainilla no escala bien, y es posible que desee echar un vistazo a las máquinas de factorización. Dato Graphlab proporcionar varias buenas implementaciones que he tenido buena experiencia con, pero no son los únicos: https://dato.com/products/create/docs/graphlab.toolkits.recommender.html

kNN tiene problemas con los datos dispersos (a menos que los reduzcas de algún modo) y no es sencillo en lo que respecta a las probabilidades. Los bosques aleatorios también necesitarían una calibración probabilística, y escalarlos a grandes conjuntos de datos no siempre es fácil.