Preferenze d’acquisto

Questo algoritmo arricchisce il profilo utente con informazioni riguardo le sue preferenze e abitudini di acquisto. Per esempio si può sapere se spendono di più nel weekend o nei giorni lavorativi o qual è il loro store preferito.

Descrizione

Come input di partenza è necessario avere a disposizione dati riguardanti le transazioni del cliente includendo dati che possono essere categorizzati. Per esempio la data di acquisto, il metodo di pagamento, il sale assistant e lo store ID di ogni transazione.

L’output può includere informazioni riguardanti le preferenze del cliente come per esempio il negozio in cui compra iù frequentemente e il suo modo di pagamento preferito.

Dati di input e output riguardo le preferenze di acquisto del cliente

Dati di Input Dati di Output
Dati Transazionali

Customer_id.

Date.

Order_id.

Order_line_id.

Product_id.

Product category.

Amount.

Discount.

Sales assistant.

Store_id.

Payment method.

Ctaegorie Top

Preferred store.

Preferred payment method.

Preferred sales assistant.

Preferred half-year.

Preferred month.

Preferred weekday.

Preferred hour.

 

Esempi di output

L’output è fornito come nuovi campi associati a ogni profilo cliente.

Esempi di output 

 

Customer ID 11223344
Top categories Shoes, Suits, Accessories
Preferred store Malpensa MXP Corner
Preferred payment method Credit card
Preferred sales assistant Joe Smith
Preferred half-year
1
Preferred month July
Preferred weekday Weekends
Preferred time Evening

 

Tags:

  • Clustering.
  • Transazionale.

 

 

Pagina precedente: Comportamento d’acquisto nel tempo | Pagina seguente: RFM