数据集记录了客户与数字营销活动的互动情况。它涵盖了人口统计数据、营销特定指标、客户参与度指标以及历史购买数据，为数字营销领域的预测建模和分析提供了丰富的信息。
数据说明：
| 字段 | 说明 |
|---|---|
| CustomerID | 每个客户的唯一标识符。 |
| Age | 客户的年龄。 |
| Gender | 客户的性别（男性/女性）。 |
| Income | 客户的年收入，以美元计。 |
| CampaignChannel | 营销活动传递的渠道：电子邮件(Email)、社交媒体(Social Media)、搜索引擎优化(SEO)、付费点击(PPC)、推荐(Referral)）。 |
| CampaignType | 营销活动的类型：意识(Awareness)、考虑(Consideration)、转化(Conversion)、留存(Retention)。 |
| AdSpend | 在营销活动上的花费，以美元计。 |
| ClickThroughRate | 客户点击营销内容的比率。 |
| ConversionRate | 点击转化为期望行为（如购买）的比率。 |
| AdvertisingPlatform | 广告平台：保密。 |
| AdvertisingTool | 广告工具：保密。 |
| WebsiteVisits | 访问网站的总次数。 |
| PagesPerVisit | 每次会话平均访问的页面数。 |
| TimeOnSite | 每次访问平均在网站上花费的时间（分钟）。 |
| SocialShares | 营销内容在社交媒体上被分享的次数。 |
| EmailOpens | 营销电子邮件被打开的次数。 |
| EmailClicks | 营销电子邮件中链接被点击的次数。 |
| PreviousPurchases | 客户之前进行的购买次数。 |
| LoyaltyPoints | 客户累积的忠诚度积分数。 |
| Target Variable | 目标变量：二元变量，表示客户是否转化（1）或未转化（0）。 |
本文将通过支持向量机(SVM)分类进行客户转化预测，以及利用相关性分析进行关键因素识别。
一：客户转化预测
import pandas as pd
file_path = 'digital_marketing_campaign_dataset (1).csv'
data = pd.read_csv(file_path)
data.info()
观察到数据集中没有缺失值，随后进行标签编码和建立支持向量机分类模型：
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import LabelEncoder
from imblearn.over_sampling import RandomOverSampler
from sklearn.svm import SVC
from sklearn.metrics import classification_report, confusion_matrix, roc_curve, auc
import matplotlib.pyplot as plt
from sklearn import metrics
new_data = data.drop(['CustomerID', 'Age', 'Gender', 'Income', 'SocialShares', 'AdvertisingPlatform', 'AdvertisingTool'], axis=1)
label_encoder = LabelEncoder()
new_data['CampaignType_encoded'] = label_encoder.fit_transform(new_data['CampaignType'])
label_encoder = LabelEncoder()
new_data['CampaignChannel_encoded'] = label_encoder.fit_transform(new_data['CampaignChannel'])
new_data = new_data.drop(['CampaignType', 'CampaignChannel'], axis=1)
x = new_data.drop(['Conversion'], axis=1)
y = new_data['Conversion']
x_train, x_test, y_train, y_test = train_test_split(x, y, test_size=0.3, random_state=15)
oversampler = RandomOverSampler()
x_train, y_train = oversampler.fit_resample(x_train, y_train)
svm_clf = SVC(random_state=15, probability=True)
svm_clf.fit(x_train, y_train)
y_pred_svm = svm_clf.predict(x_test)
class_report_svm = classification_report(y_test, y_pred_svm)
print(class_report_svm)
y_pred_proba_svm = svm_clf.predict_proba(x_test)[:, 1]
fpr, tpr, thresholds = roc_curve(y_test, y_pred_proba_svm)
roc_auc = auc(fpr, tpr)
plt.figure()
plt.plot(fpr, tpr, color='darkorange', lw=2, label='SVM (AUC = %0.2f)' % roc_auc)
plt.plot([0, 1], [0, 1], color='navy', lw=2, linestyle='--')
plt.xlabel('False Positive Rate')
plt.ylabel('True Positive Rate')
plt.title('Receiver Operating Characteristic (ROC) Curve')
plt.legend(loc='lower right')
plt.show()
conf_matrix_svm = confusion_matrix(y_test, y_pred_svm)
print("Confusion Matrix for SVM:")
print(conf_matrix_svm)
可以看出模型的预测效果和准确率较好，可以通过该模型去识别一个用户是否转化。
这段代码是一个使用Python的scikit-learn库进行监督学习的示例，具体来说，它使用了支持向量机（SVM）分类器来预测某些数据集中的目标变量。以下是代码的具体解释：
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import LabelEncoder
from imblearn.over_sampling import RandomOverSampler
from sklearn.svm import SVC
from sklearn.metrics import classification_report, confusion_matrix, roc_curve, auc
import matplotlib.pyplot as plt
from sklearn import metrics
- 导入必要的库。包括模型选择、数据预处理、过采样技术、SVM分类器、性能评估指标、绘图工具以及额外的scikit-learn工具。
new_data = data.drop(['CustomerID', 'Age', 'Gender', 'Income', 'SocialShares', 'AdvertisingPlatform', 'AdvertisingTool'], axis=1)
- 从原始数据集
data中删除一些列，这些列可能是通过axis=1参数指定的。剩下的数据存储在new_data中。
label_encoder = LabelEncoder()
new_data['CampaignType_encoded'] = label_encoder.fit_transform(new_data['CampaignType'])
label_encoder = LabelEncoder()
new_data['CampaignChannel_encoded'] = label_encoder.fit_transform(new_data['CampaignChannel'])
new_data = new_data.drop(['CampaignType', 'CampaignChannel'], axis=1)
- 创建
LabelEncoder对象，用于将非数值的类别标签编码为整数。这里它被用来转换CampaignType列和CampaignChannel列的数据。
x = new_data.drop(['Conversion'], axis=1)
y = new_data['Conversion']
- 将数据分为特征（
x）和目标变量（y）。特征是除去Conversion列的所有列，而目标变量是Conversion列。
x_train, x_test, y_train, y_test = train_test_split(x, y, test_size=0.3, random_state=15)
- 将数据集分为训练集和测试集，其中测试集占总数据的30%，
random_state参数用于确保可重复性。
oversampler = RandomOverSampler()
x_train, y_train = oversampler.fit_resample(x_train, y_train)
- 使用
RandomOverSampler来处理训练集中的类别不平衡问题。它会通过随机过采样少数类别来平衡类别分布。
svm_clf = SVC(random_state=15, probability=True)
svm_clf.fit(x_train, y_train)
- 创建一个SVM分类器实例，设置
random_state以确保结果的可重复性，并启用概率估计（probability=True）。然后使用训练数据来训练分类器。
y_pred_svm = svm_clf.predict(x_test)
- 使用训练好的SVM分类器对测试集的特征进行预测。
class_report_svm = classification_report(y_test, y_pred_svm)
print(class_report_svm)
- 计算并打印分类报告，它提供了精确度、召回率、F1分数等性能指标。
y_pred_proba_svm = svm_clf.predict_proba(x_test)[:, 1]
fpr, tpr, thresholds = roc_curve(y_test, y_pred_proba_svm)
roc_auc = auc(fpr, tpr)
- 获取测试集的预测概率，并使用这些概率来计算接收者操作特性（ROC）曲线的假阳性率（FPR）和真阳性率（TPR）。同时计算曲线下面积（AUC）。
plt.figure()
plt.plot(fpr, tpr, color='darkorange', lw=2, label='SVM (AUC = %0.2f)' % roc_auc)
plt.plot([0, 1], [0, 1], color='navy', lw=2, linestyle='--')
plt.xlabel('False Positive Rate')
plt.ylabel('True Positive Rate')
plt.title('Receiver Operating Characteristic (ROC) Curve')
plt.legend(loc='lower right')
plt.show()
- 使用matplotlib绘制ROC曲线，并显示AUC值。
conf_matrix_svm = confusion_matrix(y_test, y_pred_svm)
print("Confusion Matrix for SVM:")
print(conf_matrix_svm)
- 计算并打印混淆矩阵，它显示了模型在测试集上的分类性能，包括真正例（TP）、假正例（FP）、真负例（TN）和假负例（FN）。
二：渠道与活动分析
我们需要根据y'CampaignChannel'和'ConversionRate'两列来进行渠道与活动分析。为了评估不同营销渠道和活动类型对客户转化的影响，我们可以进行以下分析：
- 分析各个营销渠道（如Social Media、Email、PPC等）的客户转化率。
- 分析不同活动类型（如Awareness、Retention、Conversion等）的客户转化率。
让我们首先分析各个营销渠道的客户转化率。
df = data
campaign_channel_conversion = df.groupby('CampaignChannel')['ConversionRate'].mean().reset_index()
campaign_channel_conversion = campaign_channel_conversion.sort_values(by='ConversionRate', ascending=False)
campaign_channel_conversion根据营销渠道的客户转化率分析结果，我们可以看到：
- Social Media 的客户转化率最高，为 10.655%。
- Email 的客户转化率为 10.488%。
- PPC (Pay-Per-Click) 的客户转化率为 10.413%。
- SEO (Search Engine Optimization) 的客户转化率为 10.353%。
- Referral 的客户转化率为 10.305%。
接下来，我们可以分析不同活动类型的客户转化率。
campaign_type_conversion = df.groupby('CampaignType')['ConversionRate'].mean().reset_index()
campaign_type_conversion = campaign_type_conversion.sort_values(by='ConversionRate', ascending=False)
campaign_type_conversion根据不同活动类型的客户转化率分析结果，我们可以看到：
- Consideration 的客户转化率最高，为 10.507%。
- Conversion 的客户转化率为 10.486%。
- Awareness 的客户转化率为 10.437%。
- Retention 的客户转化率为 10.321%。
这些结果表明，不同的营销渠道和活动类型对客户转化率有显著影响。例如，Social Media渠道的转化率最高，而Consideration类型的活动转化率最高。
三：关键因素识别
为了确定哪些因素最能促进客户的参与度和转化率，我们可以使用统计方法（如相关性分析或回归分析）来分析这些因素与参与度和转化率之间的关系。
首先，我们可以进行相关性分析，以查看这些因素与客户转化率之间的相关性，在进行相关性分析时，由于数据中既含有数值变量也含有分类变量，为了解决这个问题，我们可以采取以下步骤：
- 对于分类变量（如
CampaignChannel和CampaignType），我们可以使用虚拟变量（或独热编码）来表示它们。- 对于其他数值型变量，我们可以直接使用它们进行相关性分析。
让我们首先对分类变量进行虚拟变量编码，然后进行相关性分析。
relevant_columns = [
'CampaignChannel', 'CampaignType', 'AdSpend', 'ClickThroughRate',
'WebsiteVisits', 'PagesPerVisit', 'TimeOnSite', 'SocialShares',
'EmailOpens', 'EmailClicks', 'PreviousPurchases', 'LoyaltyPoints'
]
df_encoded = pd.get_dummies(df, columns=['CampaignChannel', 'CampaignType'], drop_first=True)
relevant_columns_encoded = [
col for col in df_encoded.columns if col in relevant_columns or col.startswith('CampaignChannel') or col.startswith('CampaignType')
]
correlation_matrix_encoded = df_encoded[relevant_columns_encoded + ['ConversionRate']].corr()
correlation_matrix_encoded['ConversionRate']
根据相关性分析的结果，我们可以看到以下因素与客户转化率的相关性：
- AdSpend (广告支出)：与转化率呈轻微的负相关（-0.02），这意味着广告支出越高，转化率并不一定越高。
- ClickThroughRate (点击率)：与转化率呈轻微的负相关（-0.008），这可能表明高点击率并不总是导致高转化率。
- WebsiteVisits (网站访问量)：与转化率呈轻微的负相关（-0.0121），这意味着网站访问量越高，转化率并不一定越高。
- PagesPerVisit (页面浏览量)：与转化率呈轻微的正相关（0.0188），这可能表明客户在网站上浏览的页面越多，他们转化的可能性越高。
- TimeOnSite (网站停留时间)：与转化率呈轻微的正相关（0.0087），这可能表明客户在网站上停留的时间越长，他们转化的可能性越高。
- SocialShares (社交媒体分享)：与转化率呈轻微的正相关（0.0087），这可能表明社交媒体上的分享有助于提高转化率。
- EmailOpens (电子邮件开启次数) 和 EmailClicks (电子邮件点击次数)：与转化率呈轻微的正相关，这可能表明电子邮件营销对提高转化率有一定的积极影响。
- PreviousPurchases (之前的购买次数)：与转化率呈轻微的负相关（-0.0232），这可能表明之前的购买次数并不总是直接导致更高的转化率。
- LoyaltyPoints (忠诚度积分)：与转化率的相关性非常小（-0.0005），这可能表明忠诚度积分对转化率的影响不大。
- CampaignChannel (营销渠道) 和 CampaignType (活动类型)：不同渠道和活动类型与转化率的相关性各不相同，其中Social Media渠道和Consideration类型的活动与转化率呈轻微的正相关。
此外，上述相关性值的大小表明这些因素与转化率之间的关联性普遍较弱。
想要探索多元化的数据分析视角，可以关注之前发布的相关内容。
标签：机与,svm,关键因素,转化率,train,test,new,data,向量 From： https://blog.csdn.net/2301_80651329/article/details/142435529