如何使用数据分析客户购买意愿

　　工作中是否经常遇到这样的场景：业务部门希望通过营销活动来提高产品的销量，但是预算是有限的。在预算允许范围内，如何更多的提升转化率是每个从事数据分析、数据挖掘人员需要面临的问题。
 

　　本篇将以银行营销活动相关数据为例，手把手教大家如何识别客户是否有意愿购买该银行的产品，针对高意愿客户进行精准营销来提升转化率。废话不多说，下面开始详细介绍我们的解决方案。
 

　　数据中包含客户基本信息、活动行为信息。在实际场景中，如果有客户的偏好信息，参与活动历史信息等，也可以加入其中。
 

　　数据预处理
 

　　1、 数据查看
 

　　我们可以看到数据共计 25317 行，空数据暂无，详情如下：
 

　　2、数据预处理
 

　　对源数据进行观察，可以发现分类字段有'unknown'这个类别，此时将该类别也当作缺失值，进一步查看
 

　　通常对于缺失值的处理，最常用的方法无外乎删除法、替换法和插补法。
 

　　1)删除法是指将缺失值所在的观测行删除(前提是缺失行的比例非常低，如 5%以内)，或者删除缺失值所对应的变量(前提是该变量中包含的缺失值比例非常高，如 70%左右)

　　2)替换法是指直接利用缺失变量的均值、中位数或众数替换该变量中的缺失值，其好处是缺失值的处理速度快，弊端是易产生有偏估计，导致缺失值替换的准确性下降

　　3)插补法则是利用有监督的机器学习方法(如回归模型、树模型、网络模型等)对缺失值作预测，其优势在于预测的准确性高，缺点是需要大量的计算，导致缺失值的处理速度大打折扣
 

　　这里观察到 contact 和 poutcome 的'unknow'类别分别达到 28.76%和 81.67%，在展示数据后考虑进一步处理，job 和 education 的 unknown 占比较小，考虑不对这两个特征的 unknow 进行处理。
 

　　数据分析
 

　　下面我们对源数据进行数据分析，数据字段分为离散变量和连续变量，下面我们将逐一进行分析。
 

　　1、离散变量
 

　　通过可视图我们可以对每个特征情况进行初步观察，方便分析这些特征是否会影响购买率。
 

　　2、连续变量
 

　　1)age 年龄

　　从上图我们可以看出两类客户的购买年龄分布差异不大;

　　2)balance 每年账户的平均余额

　　3)duration 最后一次联系的交流时长

　　4)campaign 在本次活动中，与该客户交流过的次数

　　5)pdays 距离上次活动最后一次联系该客户，过去了多久(999表示没有联系过)

　　6)previous 在本次活动之前，与该客户交流过的次数
 

　　特征工程
 

　　通过上述对每个特征进行数据分析，我们对数据有了大致了解，下面我们从数据平衡性、数据标准化等角度进行特征工程处理。
 

　　1、从训练集查看是否平衡数据集
 

　　我们可以看到是9:1，数据集是不平衡数据集
 

　　2、连续变量即数值化数据做标准化处理
 

　　3、分类变量做编码处理

　　4、不平衡数据集处理

　　数据建模
 

　　为了方便讲解，本篇使用逻辑回归进行数据分析建模，在实际工作场景中，我们可以使用随机森林、lgb、xgboost、DNN等模型都是可以的，根据具体场景和建模效果进行选择。
 

　　roc-auc曲线
 

　　上面我们进行了数据训练、数据预测、模型性能评估等操作。
 

　　结论
 

　　至此，业务方提出的场景问题，我已给出了解决方案，接下来就是模型迭代优化了。