PROJEKT: System rekomendacji dla sklepu e-commerce

okres

marzec 2022 – lipiec 2023

rola

Senior Data Scientist

firma

UNIVIO

WPROWADZENIE
Sklep internetowy GIP działa w branży budowlanej i jest jedną z największych hurtowni internetowych w tej branży. Na platformie zarejestrowanych było kilkaset tysięcy klientów, głównie firm. Sklep oferował pełen asortyment budowlany w typowych kategoriach, takich jak hydraulika, elektryka, dekarstwo, tynkarstwo, murarstwo i wykończenia.
Celem projektu było zwiększenie wartości zakupów klientów oraz zapobieganie ich odejściu do konkurencji.

REALIZACJA PROJEKTU
Na podstawie pięcioletnich danych sprzedażowych uzyskaliśmy informacje o tym, jak często klienci kupują, ile wydają oraz jakie produkty wybierają. Mieliśmy również dostęp do danych pasywnych o klientach, takich jak wiek, płeć, miejsce zamieszkania i wielkość firmy. Stworzyłem wielowymiarowe klastry, do których zaklasyfikowaliśmy klientów, tworząc około 400 grup. Następnie tworzyliśmy kolejne klastry, bazując na dodatkowych cechach aktywnych i pasywnych. Klienci przypisani do danego klastra wykazywali podobne zachowania.

Dzięki temu przyporządkowaniu uzyskaliśmy dwie korzyści:

– Korzyść niszowa: Klienci w klastrze zachowywali się podobnie, na przykład większość kupowała czerwone worki. Jednak 15% klientów, mimo podobnych zachowań, nie kupowało czerwonych worków. Ta informacja pozwalała łatwo skierować do tych klientów oferty i zachęcić ich do zakupu, zwiększając tym samym przychody.
– Korzyść par rekomendacji: Zauważyłem, że klienci w jednym klastrze często kupują produkty w parach. Na tej podstawie mogliśmy przypominać klientom na stronie internetowej o dokupieniu drugiego produktu, jeśli kupili pierwszy. Dodatkowo identyfikowaliśmy klientów, którzy zawsze kupowali pierwszy produkt z pary, ale nigdy nie kupowali drugiego, mimo że pozostali klienci w klastrze nabywali oba produkty.