¿Cómo descubrió Target que una adolescente estaba embarazada antes que su padre?

Question

En primer lugar, no tengo un título de matemáticas, sino una licenciatura en finanzas, así que por favor tenga en cuenta esto cuando escriba una respuesta. En general, ¿de qué tipo de matemáticas se trata? Y específicamente, ¿qué fórmulas estadísticas se pueden utilizar en un escenario como éste?

Recientemente, Target fue capaz de predecir que una adolescente estaba embarazada analizando los artículos que había comprado, y le envió los cupones adecuados para su estado actual. Me gustaría saber a grandes rasgos cómo fueron capaces de hacer esto, y específicamente qué tipos de fórmulas matemáticas usaron/pueden usarse para hacer esto. En el siguiente enlace se describe la situación concreta.

http://www.forbes.com/sites/kashmirhill/2012/02/16/how-target-figured-out-a-teen-girl-was-pregnant-before-her-father-did/

Answer 1

El enfoque de Target es la estadística cotidiana y ordinaria. Tienen una lista de productos que compran las mujeres embarazadas y conocen la importancia de cada "factor" (es decir, la compra de un producto) para indicar un embarazo. Estos factores se utilizan para calcular el porcentaje de probabilidad de que la compradora esté embarazada. Una vez que ese porcentaje supera un umbral elegido por los humanos, empiezan a enviarles cupones y anuncios de productos para bebés.

Los productos que suelen comprar las futuras madres son lociones sin perfume, jabones, desinfectantes, toallitas, bolas de algodón y recipientes (como bolsos extra grandes). Si alguien empieza a comprar estas cosas por primera vez o en cantidades crecientes, cada instancia se cuenta como un factor.

Answer 2

El equipo de ciencia de datos de Target Inc desarrolló un sistema de fidelización de clientes utilizando una técnica de aprendizaje automático denominada red de clasificación bayesiana que representa dependencias condicionales frente a conjuntos de variables aleatorias. En este caso, Target desarrolló una estrategia para comprender el comportamiento y los hábitos de compra de los clientes y animarles a probar productos similares a los que compran habitualmente. El almacén de datos CRM de Target contiene ratios de compromiso de los clientes con una dimensión de marca que se introducen en el sistema de fidelización de clientes de Target para responder sobre el mejor método de comunicación con los clientes para las experiencias de marca. El sistema de CL de Target fue capaz de extraer las cestas de la compra de la adolescente y la segmentó como posible madre embarazada, por lo que le envió cupones para el bebé, que es su método de comunicación preferido. Esta técnica de ML también se utiliza en Google Mail para filtrar el correo basura.