Lima langkah untuk membuat sistem rujukan cross-selling yang tak terhindarkan, atau cross-selling

Tahap 0: Awal dari Jalan

Dalam realitas dunia modern, ketika digitalisasi dan akumulasi data di mana-mana tentang semua orang dilakukan, pertanyaan yang masuk akal muncul, tetapi bagaimana menggunakan data ini? Banyak, pasti, telah mendengar tentang sistem rekomendasi di bidang hiburan dan penjualan. Perusahaan investasi tidak berdiri jauh dari tren saat ini di bidang Ilmu Data dan sistem rekomendasi pada khususnya. Jadi mari kita lihat fitur apa dan tahapan apa yang harus dilalui oleh satu perusahaan investasi besar untuk mengembangkan sistem rekomendasinya sendiri untuk meningkatkan efektivitas cross-selling dan apa yang terjadi pada akhirnya.

Tahap 1: Penolakan

Apa perbedaan antara proses penjualan di perusahaan investasi dan proses serupa di perusahaan lain? Mari kita lihat apa yang sama.

• / ( , ).
• , ( ).

.

• , .
• , (, ) .
• , , .
• .

: , . , , , . - ( , ).

2:

-, , . , : , , , , -, , ( ). 100 , . , , .

7070 , ( ) . Pandas NumPy Python. 31, , , - . Python , . .

, , () :

• ,
• ,
• ,
• - .

3:

, ? – , .

, , . , , .

, . «» . :

1. , .
2. « », .. , , , .
3. .

, « » , .. . , , , «» :

• . = 1
• . = 2

, . .

, , ?

«». , , . : , , , .

. 0 1, 0 – . , ...

4:

, Python « », :

dist_cosini = scipy.spatial.distance.cosine(user_one, user_two)

- , Python «», 30000 31- , . .

, , , «l1-» ( — ), «l2-» ( ).

manhattan = round(numpy.linalg.norm(user_one - user_two, ord = 1), 4)

euclidean = round(numpy.linalg.norm(user_one - user_two, ord = 2), 4)

. , . , , . , «l1-» - , «l2-» — . , , …

. , «» , . - .

?

.

, ?

• «» «» .
• GIL ( ), Python .

...

. :

• ( — ).
• .
• - , .. , .
• : 0 1, .

:

, ( B). , :

import numpy as np

CosD = round(1 - (np.sum((user_one * user_two)) / (np.sqrt(np.sum(user_one**2)) * np.sqrt(np.sum(user_two**2)))), 4)

, «l-», .

GIL (Global Interpreter Lock) . , «» GIL, «». , — . , ? Numba.

Python, Numba - . - Python , - . Numba - Python LLVM ( Python).

, :

import numpy as np
from numba import njit

@njit
def dist_cosini(user_one, all_user):
    user_point = []
    for q in range(len(all_user)): 
        user_two =  all_user[q]
        CosD = round(1 - (np.sum((user_one * user_two)) / np.sqrt(np.sum(user_one**2)) / np.sqrt(np.sum(user_two**2))), 4)
        user_point.append(CosD)
    return user_point

, Numba «» GIL . 60 .

5:

"" ( 13 ). .

, — . .

, «» . .

, , , .

. -. , CRM. « » .

:

• ( ).
• « » ( 13 ).

Untuk tujuan ini, pekerjaan telah mulai memodifikasi sistem menjadi salah satu jenis sistem rekomendasi hybrid. Pekerjaan juga sedang dilakukan untuk memperdalam kerja sistem rekomendasi dengan produk yang kompleks.