數(shù)據(jù)集是從uci下載的，某家銀行電話營銷與是否購買定期存儲(chǔ)的數(shù)據(jù)。

模擬目標(biāo)是知道客戶數(shù)據(jù)，預(yù)測購買理財(cái)產(chǎn)品概率

我認(rèn)為將電話營銷的數(shù)據(jù)消除只保留基本屬性可以模擬實(shí)際銀行能夠獲取的數(shù)據(jù)。

電話營銷數(shù)據(jù)代表一些對(duì)用戶決定由影響但是獲取難度較大的數(shù)據(jù)。比如說，買房、買車、小孩上學(xué)，這些數(shù)據(jù)銀行不能立刻獲得，或者獲取成本較高。這里不使用這些數(shù)據(jù)參與預(yù)測。雖然預(yù)測準(zhǔn)確度會(huì)降低，但是更符合實(shí)際情況。

然后定期存儲(chǔ)是一種產(chǎn)品，可以當(dāng)做一種理財(cái)，如果能對(duì)一種進(jìn)行預(yù)測行進(jìn)實(shí)現(xiàn)和驗(yàn)證，那么可以擴(kuò)展到多種產(chǎn)品的預(yù)測

數(shù)據(jù)情況，見下表

數(shù)據(jù)處理

數(shù)據(jù)清洗常規(guī)套路（空值檢查，去重，去異常值）

由于數(shù)據(jù)集較好，基本不需要處理，但實(shí)現(xiàn)數(shù)據(jù)很有可能需要清洗，比如說，年齡缺失不能簡單補(bǔ)0。

balance處理的嘗試

1. balance的分布在較大值較少，需要處理
2. balance不處理

對(duì)數(shù)據(jù)one-hot encoding，對(duì)yes，no等2分類用0,1替換

處理之后數(shù)據(jù)為

使用lightgbm建模，參數(shù)如下

對(duì)測試集預(yù)測的結(jié)果左邊為客戶序號(hào)，predict為預(yù)測購買的可能性（推薦度），real為真是購買情況（0為未購買，1為已購買）

評(píng)價(jià)模型的好壞，對(duì)于少部分人購買（大部分預(yù)測都低于百分之50），很難用accurate去評(píng)價(jià)

舉個(gè)例子，

真實(shí)情況是A類人購買率0.1，B類人購買率0.2，C類人購買率0.2。

即真實(shí)100個(gè)A， 100個(gè) B， 100個(gè) C 分別購買為10,20,20

2個(gè)模型經(jīng)過訓(xùn)練對(duì)A，B，C，3類人的購買可能性預(yù)測為0.3 ，0.2， 0.1；0.15， 0.2， 0.2模型認(rèn)為A，B，C三類人都不會(huì)購買。

accurate為預(yù)測正確人數(shù)/總?cè)藬?shù)

accurate(模型1)=accurate(模型2)=250(250沒買東西，模型預(yù)測所有人都不會(huì)購買)/300=83%

如果用accurate去評(píng)價(jià)，模型1的性能是等于模型2的。

但是顯然模型2更符合真實(shí)情況，所以這里不再使用accurate來作為標(biāo)準(zhǔn)。

這里使用的方法是，對(duì)預(yù)測值進(jìn)行排序，如果預(yù)測準(zhǔn)確，那么可能性高的人一定會(huì)多買產(chǎn)品。通過下圖來衡量模型的好壞，紅色為隨機(jī)推薦，綠色為安概率排序后推薦。

如果綠線開始上升越快，說明模型效果越好。

這圖除了來衡量模型好壞，也是一個(gè)有用的結(jié)論：

對(duì)一個(gè)人群范圍，可以先通過模型排序，然后選取一定范圍進(jìn)行營銷活動(dòng)，提高轉(zhuǎn)換率。

這里用1000的人來做標(biāo)準(zhǔn)，之后的模型也使用這個(gè)數(shù)據(jù)來做判斷標(biāo)準(zhǔn)。排序前推薦1000人，購買率為104/1000=10.4%，排序后推薦1000人，購買率為270/1000=27%，差距最大點(diǎn)為1362。在推薦1362人是使用排序算法都購買人數(shù)和隨意推薦差距最大。

特征值的重要程度如下圖，可以看出賬戶余額和年齡是最重要的2個(gè)特征值

通過dnn和xgboost建模（具體見py代碼）

3種建模的效果比較

1000人時(shí)，實(shí)際購買人數(shù)如下圖

3種取現(xiàn)

結(jié)論分析在目前的參數(shù)設(shè)置來說 效果為xgboost>lightgbm>dnn

對(duì)比試驗(yàn)，之前的數(shù)據(jù)集是認(rèn)為只有客戶的基礎(chǔ)屬性，然后對(duì)客戶的購買可能性做出預(yù)測。

現(xiàn)在增加電話營銷的數(shù)據(jù)，來模擬一些營銷數(shù)據(jù)（比如說發(fā)過幾封推薦郵件）。

新增3個(gè)參數(shù)為

• Duration：最后一次通話持續(xù)時(shí)間
• Campaign：在這一次推廣活動(dòng)中，練習(xí)次數(shù)
• Poutcome：之前的推廣活動(dòng)的結(jié)果，success為成功，failure為失敗，unknown和other不是很清楚是什么屬性

使用lightgbm建模結(jié)果如下

特征值的重要程度如下圖，新增的特征值duration（持續(xù)通話時(shí)間）和campaign（聯(lián)系次數(shù)）對(duì)預(yù)測有相當(dāng)重要的影響。

對(duì)比沒有這3個(gè)特征值時(shí)的預(yù)測（同樣使用lightgbm）

這個(gè)對(duì)比說明了，在有效的特征值越多的情況下，預(yù)測越準(zhǔn)確。

======  推薦閱讀  ======

1、產(chǎn)品質(zhì)量分析報(bào)告，你真的懂嗎？

2、產(chǎn)品質(zhì)量分析，質(zhì)量預(yù)測，助力企業(yè)提高效益

3、領(lǐng)導(dǎo)常說的管理駕駛艙是什么？為何如此重要

4、汽車維權(quán)實(shí)踐頻發(fā)，如何做好質(zhì)量管理

5、數(shù)字化轉(zhuǎn)型的本質(zhì)什么？