1
被预约次数
0
被收藏次数
1
被评价次数
1.用Hive-SQL协助提取、Excel整理日留存、月留存、用户行为等产品相关数据，输出日，周，月报表。2.利用RFM模型对销售数据和获客渠道效果预测。3.用户分层营销策略，通过 GMV/活跃指标/利润等数据指标封层，圈定核心用户，通过对客户差异化运营与差异化营销。4.帮助线上端分析广告投放渠道，统计追踪各渠道用户流失率，利用漏斗模型、XGB+LR等进行 CRT分析。5.用户标准化营销和工具建立。根据用户生命周期各阶段数据及行为，形成站内拉新、首购转化、新/老客流失召回的标准化营销打法及票券组合的营销工具，并新增电销触 达渠道，新客首购转化率提升10%。
当当网在线购物行为分析
利用Python实现常见机器学习算法
针对12，330条不同用户在一年内在当当网的线上购物数据，结合特征抽取之后的特征，从用户的浏览时间，所在区域，点击页面，浏览方式等维度使用机器学习方法进行建模，对购物者的购物意愿进行预测，以达到精准营销的目的。
数据清洗与处理:重编码部分特征;可视化探索数据分布;对类别型特征进行one-hot编码;对右偏分布严重的连续型特征进行 对数转换;采用过采样方式完成不均衡数据的处理等。
特征工程:采用随机森林方法进行重要特征的选择。 建模:利用决策树、逻辑斯特回归、随机森林等分类模型，通过网格搜索与交叉验证选择出效果最优的模型。
可兼职时间
可兼职地点
储陆强 2023-06-03 09:17
只评分，内容未填写或非公开