fbpx

Dal Machine Learning al Data Mining: nel primo weekend di aprile, i partecipanti dell’Executive Master in Data Management & Business Analytics affrontano il passaggio tra due moduli formativi.

Il venerdì mattina è, infatti, dedicato interamente al workshop di chiusura del terzo modulo e a guidare il lavoro dell’aula è il Dott. Francesco Ranucci.

Per iniziare, lavoriamo tutti insieme su un dataset che ci fa davvero sognare ad occhi aperti… Si tratta, infatti, di dati relativi a indirizzi, costi e valutazioni di case vacanze Airbnb a New York!

Cerchiamo di non distrarci troppo e di trovare un modello che ci aiuti nelle nostre analisi, con il supporto di Orange e di Francesco.

La parte finale della mattinata, invece, vede l’aula suddividersi in piccoli gruppi per poter lavorare in autonomia e verificare, step by step, i risultati e gli strumenti individuati per ottenerli.

In questo caso, ci mettiamo nei panni di una banca che vuole offrire un deposito a termine e dobbiamo rispondere a una serie di domande, grazie all’analisi dei dati a nostra disposizione:

Quale caratteristiche avrà il cliente maggiormente propenso a sottoscriverlo?
Come varia la probabilità di accettare il deposito se aumenta l’indice dei prezzi al consumo?
Quanti clienti o prospect dovremmo raggiungere con la nostra campagna per raggiungere un tasso di adesione del 60%?

Dopo la pausa, è il momento di dare avvio a una nuova fase del percorso formativo che si concentra su Data Mining e Text Analytics.

Ad accoglierci, troviamo il Prof. Bruno Sfogliarini che dedicherà una serie di lezioni alle Regole Associative e alla Market Basket Analysis.

Ma cosa sono le regole associative e perché sono così importanti per il marketing?

Uno degli obiettivi che il marketing si pone è senz’altro il Crosselling ed è proprio in quest’ottica che le regole associative si rivelano fondamentali.

Una regola associativa, infatti, è una relazione che collega un set di prodotti acquistati liberamente dall’utente a un altro insieme che vorrei il mio cliente acquistasse.

Nell’analizzare un dataset con JMP, scopriamo anche quali sono le misure classiche delle regole associative:

  • Supporto
  • Confidenza
  • Lift

Proprio sull’ultima misura ci soffermiamo più a lungo.
Di fatto, se il Lift risulta maggiore di 1 significa che quella particolare associazione che collega prodotti aggiuntivi e prodotti scelti accade più spesso rispetto a un livello tipico.

Un alto valore di Lift è uno spunto di riflessione approfondita sui dati

Per intenderci, affrontiamo la questione con un esempio:

Latte e uova sono articoli talmente comuni nelle spese di tutti noi che si troveranno frequentemente nello stesso carrella della spesa ma è molto più interessante capire perché c’è una reiterazione particolare dell’associazione pannolini e birra

Ci pensiamo un po’, poi l’illuminazione: se una mamma ha un bimbo piccolo dovrà stare a casa con lui, sarà il papà ad andare a fare la spesa.
E si concederà, comprensibilmente, un piccolo bonus per la ‘missione compiuta’ 🙂

Con questo spirito critico, o con le lampadine accese come direbbe Nora Schmitz, affrontiamo un’esercitazione su Instakart, in preparazione della rassegna di analisi applicata che ci aspetta nelle prossime lezioni.

Ebbene sì, perché stiamo per vestire i panni dei consulenti e per esercitarci nell’applicazione di molte delle tecniche apprese.
Innanzitutto, quindi, analizziamo gli obiettivi e le necessità del nostro cliente:

Sabato mattina, ci impegniamo, nella prima fase dell’analisi descrittiva dei dati, cercando di sfruttare il database per farci un’idea il più possibile completa del mercato.

Innanzitutto verifichiamo la tipologia di dati resi disponibili dal settore distributivo e poi passiamo alla loro preparazione attraverso varie fasi, tra cui:

  • Acquisizione della struttura dei dati
  • Verifica dei dati mancanti ed eventuale correzione/recupero
  • Analisi della variabilità e outlier detection
  • Considerazione di variabili accessorie
  • Recupero di informazioni aggiuntive, ad esempio le promozioni

Successivamente ci dedichiamo all’analisi del comportamento degli utenti.

In questa fase del processo, ci soffermiamo sulle modalità di segmentazione e di come siano cambiate nel tempo.

Il nostro modo di usufruire di un servizio è cambiato, così come la modalità con cui il marketing può, per così dire, intercettarci.

Da un’attenzione volta agli aspetti più attitudinali e valoriali, tipica della ripartizione statica basata sugli stili di vita, siamo passati alla centralità del comportamento.
Oggi è possibile essere classificati in base al nostro agire in tempo reale, in situazione.

Abbiamo scoperto di essere dei SITUAVIDUI: individui definiti sempre di nuovo dalle proprie mutevolissime scelte… anche in merito all’acquisto di biscotti.

 

 

Richiedi la Ricerca

Indagine sul livello di adozione e utilizzo dell'Intelligenza Artificiale in Italia

Privacy Policy

You have Successfully Subscribed!