如何开发使用数据科学来推荐营销渠道的系统？

Question

我正在应对数据科学挑战。我需要一些有关如何继续开发我的解决方案的帮助。 我的数据集的快照如下所示：

此数据集是由一家制药公司收集的，该公司试图将其药品出售给不同专业的医生。

该制药公司已经为其品牌进行了促销活动

促销活动包括拨打电话，发送电子邮件和发送传真。数据集显示已发出多少个呼叫（“已发出的呼叫”列），成功完成了多少个呼叫（“已成功完成呼叫”列），已发送多少电子邮件（已发送“电子邮件已发送”列），已打开多少电子邮件（“已打开的电子邮件”列），发送了多少传真（“已发送的传真”列）。 品牌1是药品公司的品牌。品牌2是其竞争对手的品牌。

数据集显示各种品牌的销售量。 品牌1销售（公司品牌）-药品公司品牌的销售数量 品牌2销售（竞争对手品牌）-竞争对手品牌的销售数量 品牌市场销售总额-市场上所有品牌（销售品牌药物的所有公司）的销售数量 市场总额（品牌+无品牌）销售-所有品牌和无品牌药物的销售数量

我的任务是使用该数据集开发一个ML系统，该系统将建议在未来的促销活动中使用三个渠道（呼叫/电子邮件/传真）中的哪个。 如何开发这样的系统？我的理解是，这是具有三个类别（电话/电子邮件/传真）的分类问题。对于潜在客户，我必须将他/她分为三个类别之一，以表明要使用哪种渠道。

我应该做什么样的特征工程？我可以使用哪种型号？

Answer 1

我已经针对此问题开发了一种解决方案。我将数据集分为三个集群（电话，电子邮件，传真），然后将分类为集群的每个客户分配给相应的营销渠道。我使用客户数据点到群集质心的距离计算了渠道亲和力得分。

该解决方案已上传至github仓库： https://github.com/skumaravel/Marketing-Channel-Recommendation-System

它包含一个jupyter笔记本，其中包含解决方案的python代码，数据集和解释我的方法的pdf报告。