AI也會揀蘋果
蘋果甜不甜,拍照就知道!
應用情境
精準行銷:找出高成交機會的使用者,更精準的進行行銷資源投放及終端顧客服務。
企業痛點
無效的行銷支出:無法識別出高機會客戶群,浪費行銷支出。
未來銷售狀況無法掌握:無法預測銷售週期內商品的銷售狀況,導致無效的促銷活動以及不足的備貨量。
解決方法
深度結合領域知識:透過與出題廠商深度訪談方式,進行用戶分群與銷售預測特徵設計。
建立預測模型:透過數據清理、預測目標、特徵工程,訂出解題目標跟特徵,再產出可以訓練跟驗證的數據集,透過神經網路建立預測模型。
成果效益
降低無效行銷支出:從使用者在電商網站瀏覽的次數及行為的特徵值中,辨識出部分高機會客戶群,再透過行銷工作提高轉換率、降低行銷單位成本,預期可降低無效的行銷支出達46%。
提升備貨能力:根據商品的相關數據集特徵值可以辨識出多種品類產品在固定銷售週期中的銷售狀況,包括時間帶狀長銷型產品、特定週期中高銷售產品群等等產品資料,提高產品庫存的預測能力、提前備貨及規劃物流能力。