项目简介>>
随着大数据和人工智能的不断发展，广告投放越来越受到企业的重视。通过对广告投放数据的分析，可以了解广告的曝光量、点击量、转化量等关键指标，从而评估广告的效果和投放策略的成功程度。本项目可以准确地根据用户资料分析客户的获取成本，模型预测的成本和顾客的实际成本相关度高达99%。
数据准备>>
美国Food Mart连锁便利店媒体活动的成本效益。（数据来源：https://www.kaggle.com/datasets/ramjasmaurya/medias-cost-prediction-in-foodmart）
此数据集涵盖了60,000名顾客的信息，包括他们的收入、参与的促销活动详情、商店数据、销售数据以及媒体成本。通过精心筛选，原始的200,000条记录和75个特征被减少到影响媒体活动成本效益的重要因素最关键的信息，以便更有效地进行分析。
建立模型、模型预测>>
此模型有助于预测不同促销策略和商店特征对于媒体活动成本的影响。可以辅助Food Mart确定最有效的媒体活动策略，优化投资回报率。还可以定期更新，以反映最新的销售趋势和市场动态，帮助Food Mart及时调整其市场策略。
此模型可以准确地根据用户资料分析客户的获取成本，模型预测的成本和顾客的实际成本相关度高达99%。模型揭示媒体活动成本与顾客收入、促销活动类型、商店特征等因素之间的关联性。其中广告促销方式（抽奖、优惠券等）以及家庭中儿童的数量对顾客获取成本关系最大。和地区以及商店大小种类也有一定关系。同时我们也发现，顾客获取成本与性别，职业等几乎无关。通过对这些因素的深入分析，Food Mart可以更有效地规划其媒体预算，优化促销策略。
案例衍生>>
1.零售行业：在健康与美容零售行业中，类似的数据和模型可以用来分析不同产品线（如化妆品、护肤品、营养补充品）的市场表现。数据集可以包括顾客购买行为、产品促销信息、产品类型、店铺位置和顾客人口统计数据等。通过模型分析，零售商可以预测哪些产品类别在特定顾客群体中更受欢迎，哪些促销活动更有效，从而精准定位市场和优化库存。此外，模型还可以揭示不同地区顾客的购买偏好，帮助商家在不同地点的店铺中调整产品组合，以最大化销售和客户满意度。
2.能源行业：用于分析不同能源产品（如石油、天然气、可再生能源）的生产成本。利用生产效率、原材料成本和能源市场数据，企业可以识别成本效益最高的能源产品。这有助于企业在资源分配上做出明智决策，优化生产计划，降低生产成本。