Hempel
Kundesegmentering i næsten realtid
Machine learning & AIProduktion & industri
Nøgleresultat140.000 kunder segmenteret fra 9 datakilder
Udfordring
At skabe en intelligent opdeling af kundebasen i relevante, overordnede segmenter — med en kontinuerlig læringsproces i næsten realtid — hvor hvert segment har en unik profil, en meningsfuld størrelse og er stabilt over tid.
Løsning
Data med næsten 360°-overblik over ~140.000 private kunder og erhvervskunder, clustret med en robust algoritme og forfinet iterativt.
- Datakilder. Fem interne kilder (ERP, CRM…) og fire eksterne (regional statistik, vejr…) — 37 dataelementer i alt.
- Algoritme. Partitioning Around Medoids (PAM)-clustering — minder om k-NN, men er mindre følsom over for outliers.
- Iteration. Modellens output blev gennemgået flere gange og justeret ud fra de foreløbige resultater.
Resultater
- Pålidelig adskillelse af private kunder og erhvervskunder
- Geografisk baserede segmenter fundet
- Adfærd viste sig at veje tungere end købekraft og demografi
Emner
- Machine Learning
- Clustering
- AWS