Прогнозирование вероятности покупки клиентов для интернет-магазина

Описание проекта

Этот проект направлен на прогнозирование вероятности совершения покупки клиентами интернет-магазина в течение * следующих 90 дней*. Использование моделей машинного обучения позволяет целенаправленно направлять рекламные кампании, увеличивая конверсию и оптимизируя маркетинговые расходы.

Бизнес-задача

Интернет-магазин стремится снизить затраты на маркетинг за счет точечного таргетирования клиентов с высокой вероятностью покупки. Модель помогает:

• Сократить количество бесполезных рассылок.
• Увеличить ROI рекламных кампаний.
• Персонализировать предложения для клиентов.

---

Особенности

• Анализ поведения клиентов: данные о покупках, рассылках и целевой переменной.
• Модели машинного обучения: CatBoost, LightGBM с подбором гиперпараметров через RandomizedSearchCV.
• Интерпретация результатов: анализ важности признаков через SHAP.
• Оптимизация порога классификации: баланс между Precision и Recall.

---

Структура данных

Проект использует три набора данных:

1. apparel-purchases.csv (история покупок)

Поле	Описание
client_id	Уникальный идентификатор клиента
quantity	Количество товаров в заказе
price	Общая стоимость заказа
category_ids	Категории товаров (агрегированные)
message_id	Связь с рекламной кампанией

Обработанные признаки:

• total_quantity: общее количество товаров, купленных клиентом.
• total_price: сумма всех покупок клиента.
• avg_days_between_purchases: средний интервал между покупками.

---

2. apparel-messages.csv (email-рассылки)

Поле	Описание
event	Тип действия (open, click, complain, hard_bounce)
channel	Канал доставки (email, sms)
client_id	Связь с клиентом

Обработанные признаки:

• open_times: количество открытий писем.
• click_times: количество кликов по ссылкам.
• hard_bounce_times: количество недоставленных писем.

---

3. apparel-target_binary.csv (целевая переменная)

Поле	Описание
client_id	Идентификатор клиента
target	Целевая метка: 1 — покупка в течение 90 дней, 0 — нет

---

Предобработка данных

1. Удаление дубликатов:
   • В messages_df удалено до 194,528 дубликатов.
2. Агрегация метрик:
   • Подсчет среднего, максимального и минимального интервалов между покупками для каждого клиента.
3. Кодирование категориальных признаков:
   • События open, click сгруппированы в столбцы с количеством раз.
4. Удаление нерелевантных полей:
   • message_id, date, category_ids (не влияют на целевую переменную).

---

Модели и метрики

Обученные модели

Модель	ROC AUC	Оптимальный порог
CatBoost	0.72	0.0595
LightGBM	0.70	0.1882

Ключевые признаки (через SHAP):

• total_quantity (общее количество товаров)
• avg/max_days_between_purchases (среднее/максимальное количество дней между покупками)
• open_times, click_times (частота взаимодействия с email-рассылками)
• total_price (суммарная стоимость покупок)

---

Результаты

• CatBoost показал лучшие метрики благодаря эффективной обработке числовых признаков.
• Частота email-взаимодействий и историческая активность оказались главными предикторами.
• Оптимизация порога классификации улучшает баланс между ложноположительными и ложноотрицательными срабатываниями.

---

Рекомендации

Улучшение данных:

• Добавить демографические признаки (возраст, местоположение).
• Интегрировать поведенческие метрики с сайта (время на странице, частота визитов).

---

Требования

• Python: 3.11 или 3.12
• Библиотеки:

  catboost lightgbm matplotlib numpy pandas phik scikit-learn seaborn shap jupyter notebook

---

Установка

Предпочтительный способ: uv

1. Создайте виртуальное окружение:

   uv venv
   source .venv/bin/activate

2. Установите зависимости:

   uv sync

Альтернативный способ: pip

1. Создайте виртуальное окружение:

   python -m venv venv
   source venv/bin/activate

2. Установите зависимости:

   pip install -r requirements.txt

---

Использование

1. Данные: Поместите наборы данных в директорию data/.
2. Запуск проекта:
   • Откройте Jupyter Notebook:

   jupyter notebook purchase_prediction.ipynb

   • Выполните ячейки последовательно для предобработки, обучения модели и анализа результатов.