Węzeł samouczącego się modelu SLRM generuje model i umożliwiaj jego aktualizowanie, co pozwala przewidzieć, które oferty są najbardziej odpowiednie dla klientów, i określić, jakie jest prawdopodobieństwo przyjęcia oferty. Takie modele są najbardziej użyteczne w zarządzaniu relacjami z klientami, takimi jak zastosowania marketingowe lub centra obsługi.

Ten przykład wykorzystuje fikcyjny bank. Dział marketingu chce osiągnąć bardziej dochodowe wyniki w przyszłych kampaniach poprzez dopasowanie odpowiedniej oferty usług finansowych do każdego klienta. Przykład używa samouczącego się modelu SLRM, aby określić cechy klientów, którzy z największym prawdopodobieństwem pozytywnie zareagują na ofertę, na podstawie wcześniejszych ofert i odpowiedzi w celu promowania najlepszej obecnej oferty na podstawie wyników.

W tym przykładzie używany jest przepływ o nazwie Making Offers to Customers-Self-Learning, który jest dostępny w przykładowym projekcie. Pliki danych to: pm_customer_train1.csv, pm_customer_train2.csvi pm_customer_train3.csv.

1. Otwórz Przykładowy projekt.
2. Przewiń w dół do sekcji Projektant przepływów , kliknij opcję Wyświetl wszystko, a następnie wybierz przepływ Dokonywanie ofert dla klientów-samouczenie się .

Istniejące dane

Firma bankowa posiada historyczne dane śledzenia ofert, jakie oferuje klientom w poprzednich kampaniach, wraz z odpowiedziami na te oferty. Dane te obejmują również informacje demograficzne i finansowe, które mogą być używane do przewidywania współczynników odpowiedzi dla różnych klientów.