L’algoritmo arricchisce le informazioni a disposizione di ogni singolo contatto con dati riguardanti il comportamento di acquisto nel tempo.
Descrizione
Per utilizzare questo algoritmo devono essere forniti dati riguardanti le transazioni del cliente inclusi obbligatoriamente i dettagli di scala temporale, come per esempio la data di acquisto. Altri esempi di comportamenti di acquisto possono essere la quantità di soldi spesa, gli sconti ricevuti e la data di acquisto.
L’output include informazioni come il numero totale di ordini, la spesa totale o media in un predefinito periodo di tempo (sei mesi, un anno, etc) così come il tempo intercorso tra un acquisto e l’altro o il periodo di fedeltà.
| Dati di Input | Dati di Output |
| Customer_id | Total amount last #months |
| Date | Total orders last #months |
| Order_id | First transaction date |
| Order_line_id | Last transaction date |
| Product_id | Inter-purchase time |
| Amount | Loyal time |
| Discount |
Esempi di output
| Customer ID | 11223344 |
| Total amount last 6 months | €65.00 |
| Total orders last 6 months | 1 |
| First transaction date | 2016-03-11 |
| Last transaction date | 2018-01-18 |
| Inter-purchase time | 340 days |
| Loyal time | 678 days |
Tags:
- Clustering.
- Transazionale.
Pagina precedente: Statistiche comportamento d’acquisto | Pagina seguente: Preferenze d’acquisto