通过将无监督学习应用于位置数据来发现数据驱动的细分

通过将无监督学习应用于位置数据来发现数据驱动的细分 阿里·罗西数据峰会波士顿2024年5月9日 Confidential©Foursquare2023 阿里·罗西 /Foursquare高级数据科学家 ●与Foursquare的千万级设备人流量面板合作，以获取actionable的业务洞察解答客户问题 ●消费者行为数据的背景 ●在数据科学之前，曾在Foursquare、亚马逊和尼尔森从事产品管理 ●在佐治亚理工学院攻读计算机科学/机器学习硕士学位 3 2 0 2 © ConfidentialFoursquare Objectives 了解见解围绕real-01 世界访问可以从位置数据得出。 请参阅一个实例，其中培育02 创新文化推动合作， 为我们的受众产品带来有影响力的基于见解的解决方案。 检查真实世界的例子无监督学习如何产生 更多03 指导业务决策的可行见解。 位置数据 &它是如何收集 ©2023 ConfidentialFoursquare 核心技术 MovementPlaces 多传感器停止检测技术评价9B访问每月从 500M独特的设备全球 AI/ML模型维护数据 120M+场馆,使用多个来源和第一方人工验证作为地面实况 Confidential©Foursquare2023 我们深入了解物理世界以及消费者如何在其中互动和移动 6 翻译 原始信号into有意义的数据关于地点和 运动 他们之间 洞察力位置 使用data ©2023 ConfidentialFoursquare 位置数据通知a品种 见解 ©2023 ConfidentialFoursquare 使用位置数据的受众 Confidential©Foursquare2023 基于位置的受众 ●使用位置数据创建目标受众细分基于真实的消费者行为 ●通过分析运动模式和访问趋势，营销人员可以达到他们的理想客户跨各种渠道 3 2 0 2 © ● ● ● ● ● ConfidentialFoursquare Audiencesin行动 赢回失效的客户 联系购物者免费服务 保持最高的思想和提高保留率 3 2 0 2 © ConfidentialFoursquare 构建自定义受众 行为 配置文件 达到新 房主,奢侈品购物者等。 在线兴趣接触那些与在线兴趣 烹饪、游戏等. 拜访频率 不经常到达忠诚的访客 住在附近接触消费者可行距离 可定制的选项是梦幻般的... 但是如果客户不确定什么是真正重要的呢 ？ ©©22002231 ConffiidenttiiallFoursquare ©2023 ConfidentialFoursquare 交叉授粉见解+受众 数据驱动的假日购物细分市场 概念：用于行为分割的无监督学习 ●Identifying没有明确指导的数据模式或目标变量的标签 ●基于共同特征或行为模式创建段 ●营销人员可以洞察不同客户群的行为，并更好的目标营销努力 15 方法论: 从原始数据可采取行动段 ©2023 ConfidentialFoursquare Overview Feature工程 维度reduction k-means聚类 见解和Targeting 17 派生有意义的特征 预测年龄 预测收入 /人口统计功能 归一化分数 预测性别 人口密度 购物中心访问 /行为功能 零售访问 服装店访问 大箱子访问 电子商店访问 折扣商店访问 百货商店访问 黑色星期五购物 周末与工作日 旅行距离 星期六之前圣诞购物 停留时间 18 特征工程 Bucketing ●使所有功能都能平等地做出贡献 ●减少异常值和噪音的影响 ●更紧密地匹配受众团队创建细分的方式 降维 ●避免“维度诅咒” ●使用主成分分析(PCA)来减少解释最大方差的特征 基于分位数分解一个特征 ●然而，可解释性受到影响 主成分分析19 ● PCA+K均值聚类结果(k=6) f 集群的3D可视化按聚类划分的主成分分布 20 集群是否有意义 在我们的原始功能？ whenwelook 随机森林特征重要性使用3个原始特征的3D可视化 21 为可解释性创建群集名称 原始功能按群集表示 22 Results ©2023 ConfidentialFoursquare Results ●6个不同的假日购物者观众 ●分析行为和亲和力，使每个观众变得生动 ●与受众团队合作，使用beta客户端测试数据驱动的细分市场 24 数据驱动的受众： /专家购物者 ●假期期间最高的零售访问频率 ●拥有最高的停留时间在零售店，但是现在被农村折扣购物者击败 ●黑色星期五占假日购物总数的6% ●多数女性(61%)和18-34岁(57%) ●访问Nordstrom，H＆M，Westfield购物中心，AppleStore，Target的可能性增加50％以上 ●2023年，拜访更多低价零售商：Ross,伯灵顿和T.J.Maxx和奥特莱斯购物中心 ●更可能访问Panera、PandaExpress和Starbucks，同时也包括茶饮店以及越南、印度和韩国餐馆。 ●参观电影院和书店25 数据驱动的受众： /周末司机 ●年龄较大(74%45+)，男性占多数(57%) ●更富有(27%100K+)，尽管我自2021年以来 ，收入一直在下降 ●从家到零售店的距离更长 ●周末假日购物的份额最大(52%) ●假期旅行：更有可能去机场(+65%)，以及自2021年以来，更有可能进行公路旅行：Love'sTravelStops(+163%),BP(+42%),租车地点(44 %) ●更有可能去牛排馆，海鲜和意大利餐厅和高尔夫球场，尽管所有这些 自2021年以来有所下降赞成体育酒吧，葡萄酒商店，露营地和湖泊 26 数据驱动的受众： /SuburbanSpender ●最富裕的购物者(收入超过10万美元的可能性高出51 %)，但自2021年以来，收入一直在下降 ●10%更有可能居住在郊区，尽管 自2021年以来，一些人现在在农村地区 ●比大多数人旅行到零售店 ●在专家购物者的背后，大多数零售类别的渗透率最高 ，尽管服装和百货商店自2021年以来减少 ●访问HomeGoods和Lowes的可能性增加40-60% ，但自2021年以来现在喜欢JCPenney，HobbyLobby和Macy's 27 ●34%的人更有可能在假期访问迪士尼，但不像2021年那么高的亲和力 数据驱动的受众： /UrbanLightShopper ●居住在城市地区的可能性增加2.2倍，大多数年龄在18-34岁之间 ●更有可能频繁的地铁站，洗衣服务，CVS和学院/大学 ●自2021年以来，更有可能访问办公室和共同工作空间 ●当天晚些时候的假日购物(下午2点后占58％) ●自2021年以来，访问更多的杂货店l比如全食超市、Safeway和交易员Joe's和更少的便利店 ●Also参观更多的BigBox商店，例如Target和更少的百货商店 ●Have自2021年以来，对Chipotle，Dunkin'， 星巴克的亲和力增加28 数据驱动的受众： /农村价值购物者 ●62%的人更有可能生活在农村地区，可支配收入往往较少(39%的人更有可能赚到<25K美元) ●2倍更可能频繁的折扣店和大盒子店，甚至比2021年还要多 ●折扣店访问频率上升19%，而服装和百货商店频率下降15 %，18%分别 ●在零售店花费最多的时间(21分钟) ●更有可能参观赛马场、工艺品商店和便利店 ●户外：更有可能参观露营地，湖泊，州立公园 ●参观自助餐，古董店，旧货店，跳蚤市场 29 数据驱动的受众： /Weekday浏览器 ●工作日假日零售总流量的84% ●当天早些时候购物(下午2点前50%以上) ●在折扣店购物更多，有l自2021年以来，服装和百货商店的渗透率 ●在最拥挤的时候避开商店(黑色星期五和圣诞节前星期六的假日购物比例<5％) ●更有可能访问Arby's，DairyQueen和SonicDrive-In，尽管他们的快餐店的访问量有所减少，并且正在访问更多的便利店就像Love's，Pilot和KwikTrip ●访问自2021年以来，更多的酒吧和啤酒厂，更少的高尔夫球场 30 ●无监督学习可以成为获得数据驱动的见解并实现行动的强大工具 ●鼓励组织中的创造力，所有权和协作可以导致强大的异花授粉 ●考虑最终用户/用例，通常在专家的帮助下，是将想法从概念到产品的关键 3 2 0 2 © ConfidentialFoursquare 学习与结论 Confidential©Foursquare2023 阿里·罗西 /Foursquare高级数据科学家 /MS计算机科学学生，佐治亚理工学院