So-net無料ブログ作成

秋の気配

8月も最後になって、暑い日が続いていますが、もう銀杏がなっていました。



だいぶお疲れのようです。





8月のはじめには、大きくなったヒナがいたけど、もうどこかに飛び立って行ってしまいました。





今週の自由研究

UCI Machine Learning Repository のBank Marketing Data Set ( https://archive.ics.uci.edu/ml/datasets/bank+marketing : ポルトガル銀行の2008年5月〜2010年11月のダイレクトマーケティングの結果)のデータから、マーケッティングの結果定期預金の予約をした顧客の属性とコンタクト回数などマーケッティングの条件をRのarulesパッケージのアプリオリ(apriori)・アルゴリズムを使って調べ、効果的なマーケテイングの条件を探してみました。

アプリオリって、紙おむつとビールみたいな、高頻度のパターンを探すのが普通みたいですけど、今はコンピュータのメモリも沢山あって、CPUも速いので、定期預金の予約のような確率の低いものも、できるかもしれない...

データファイルbank-full.csv2を読み込んで、各変数のサマリを表示します。 bank-full.csv2は、TAB区切り形式なのでread.csv2を使っています。
library(arules)

df <- read.csv2("bank-full.csv2")
summary(df)

      age                 job           marital          education    
 Min.   :18.00   blue-collar:9732   divorced: 5207   primary  : 6851  
 1st Qu.:33.00   management :9458   married :27214   secondary:23202  
 Median :39.00   technician :7597   single  :12790   tertiary :13301  
 Mean   :40.94   admin.     :5171                    unknown  : 1857  
 3rd Qu.:48.00   services   :4154                                     
 Max.   :95.00   retired    :2264                                     
                 (Other)    :6835                                     
 default        balance       housing      loan            contact     
 no :44396   Min.   : -8019   no :20081   no :37967   cellular :29285  
 yes:  815   1st Qu.:    72   yes:25130   yes: 7244   telephone: 2906  
             Median :   448                           unknown  :13020  
             Mean   :  1362                                            
             3rd Qu.:  1428                                            
             Max.   :102127                                            
                                                                       
      day            month          duration         campaign     
 Min.   : 1.00   may    :13766   Min.   :   0.0   Min.   : 1.000  
 1st Qu.: 8.00   jul    : 6895   1st Qu.: 103.0   1st Qu.: 1.000  
 Median :16.00   aug    : 6247   Median : 180.0   Median : 2.000  
 Mean   :15.81   jun    : 5341   Mean   : 258.2   Mean   : 2.764  
 3rd Qu.:21.00   nov    : 3970   3rd Qu.: 319.0   3rd Qu.: 3.000  
 Max.   :31.00   apr    : 2932   Max.   :4918.0   Max.   :63.000  
                 (Other): 6060                                    
     pdays          previous           poutcome       y        
 Min.   : -1.0   Min.   :  0.0000   failure: 4901   no :39922  
 1st Qu.: -1.0   1st Qu.:  0.0000   other  : 1840   yes: 5289  
 Median : -1.0   Median :  0.0000   success: 1511              
 Mean   : 40.2   Mean   :  0.5803   unknown:36959              
 3rd Qu.: -1.0   3rd Qu.:  0.0000                              
 Max.   :871.0   Max.   :275.0000                              
 


変数名yの値がyesの数値が、定期預金を予約した顧客の数です。 45,211件のうち5,289件、全体の12%弱が定期預金を予約しています。 どのような、条件のときに予約を行ってくれることが多いのか、アプリオリ(apriori)・アルゴリズムを使ったバスケット解析の手法で調べてみます。
Rのarulesパッケージでは、アプリオリ・アルゴリズムを使ってバスケット解析を行うためにテーブル型のデータを、トランザクション型のデータに変換する必要がありますが、このままトランザクション型に変換しようとすると、数値型データのカラムがエラーになってしまいます。
df <- read.csv2("datasets/bank-full.csv2")
data.tran <- as(df, "transactions")
Error in asMethod(object) : column(s) 1, 6, 10, 12, 13, 14, 15 not logical or a factor. Discretize the columns first.
一度as関数を実行させてエラーを発生させてから、エラー・メッゼージを参考に数値型データのカラムをfactorに変換した後にトランザクション型変換にすれば大丈夫です。

df[,1] <- factor(df[,1])
df[,6] <- factor(df[,6])
df[,10] <- factor(df[,10])
df[,12] <- factor(df[,12])
df[,13] <- factor(df[,13])
df[,14] <- factor(df[,14])
df[,15] <- factor(df[,15])

data.tran <- as(df, "transactions")


apriori関数を使って、定期預金の予約(y=yes)になる頻度の高い項目の組合せを見つけます。

rules<- apriori(data.tran, parameter = list(supp = 0.01, conf = 0.7))
rules_yes <- subset(rules, subset = rhs %in% 'y=yes')


定期預金を予約したときの条件(ルール)をliftの大きい順に並べ最も効果の大きかった条件を探します。

top.lift <- sort(rules_yes, decreasing = TRUE, by = "lift")
inspect(top.lift[1:min(10,length(top.lift))])

    lhs                   rhs        support confidence     lift
[1] {housing=no,                                                
     loan=no,                                                   
     contact=cellular,                                          
     poutcome=success} => {y=yes} 0.01411161  0.7073171 6.046230
[2] {default=no,                                                
     housing=no,                                                
     loan=no,                                                   
     contact=cellular,                                          
     poutcome=success} => {y=yes} 0.01411161  0.7073171 6.046230
[3] {default=no,                                                
     housing=no,                                                
     contact=cellular,                                          
     poutcome=success} => {y=yes} 0.01464245  0.7050053 6.026469
[4] {housing=no,                                                
     contact=cellular,                                          
     poutcome=success} => {y=yes} 0.01464245  0.7042553 6.020058
[5] {housing=no,                                                
     loan=no,                                                   
     poutcome=success} => {y=yes} 0.01559355  0.7035928 6.014395
[6] {default=no,                                                
     housing=no,                                                
     loan=no,                                                   
     poutcome=success} => {y=yes} 0.01559355  0.7035928 6.014395
[7] {default=no,                                                
     housing=no,                                                
     poutcome=success} => {y=yes} 0.01612439  0.7016362 5.997669
[8] {housing=no,                                                
     poutcome=success} => {y=yes} 0.01612439  0.7009615 5.991902


住宅ローン無し (housing=no), パーソナル・ローン無し (loan=no), 携帯電話でコンタクト (contact=cellular), 以前のマーケティング・キャンペーンで成功した(poutcome=success) 顧客が定期預金を予約した割合は、平均の6.046230倍で、最も高いことがわかります。
住宅ローン無し, パーソナル・ローン無し, 携帯電話でコンタクト, 以前のマーケティング・キャンペーンで成功した顧客へのマーケテイングは、無作為にマーケティングを行う場合の6倍効果があるということにになります。
liftの上位8件全てに住宅ローン無し (housing=no)と以前のマーケティング・キャンペーンで成功した(poutcome=success)が含まれており、この2つの条件を満たす顧客へのマーケティングが効果が高いことがわかります。

aprioriの結果が正しいか確認のため、全体の定期預金の予約したかどうかの集計結果と、住宅ローン無しで以前のマーケティング・キャンペーンで成功した顧客が定期預金を予約したかどうかの結果を比べてみます。

summary(df[,"y"])
summary(df[df$housing == "no" & df$poutcome == "success","y"])

no  39922
yes 5289

no  311
yes 729


住宅ローン無しで以前のマーケティング・キャンペーンで成功した顧客は、70%以上、定期預金を予約してくれています。 しかし、よく見るとこの条件に合わない顧客の予約も4,560件(5,289-729)あります。
まず「住宅ローン無しで以前のマーケティング・キャンペーンで成功した顧客に対するマーケテイングを重点的に行い、その他の顧客に対してもチャンスを逃さないようにする。」というのが効果的なようです。

RのarulesVizというパッケージを利用すると、分析の結果をグラフィカルに表示することができます。

library(arulesViz)

plot(rules_yes, method="graph", measure="support",
    shading="lift")




このようなマーケティングのデータの分析は、決定木 (decision tree) を使うのが、普通のようなので、試しにRのrpartとrpart.plotを使って、決定木を描いてみました。
(duration 12番目の変数については、モデルを作るときは、除くようにと書いてあったので、削除します。
duration: last contact duration, in seconds (numeric). Important note: this attribute highly affects the output target (e.g., if duration=0 then y='no'). Yet, the duration is not known before a call is performed. Also, after the end of the call y is obviously known. Thus, this input should only be included for benchmark purposes and should be discarded if the intention is to have a realistic predictive model.)

library(rpart)
library(rpart.plot)

model = rpart(y ~ ., data = df[,c(-12)])
model
rpart.plot(model)




poutcomeだけ?
ちょっとさみしい...
nice!(13)  コメント(0) 
共通テーマ:学問

nice! 13

コメント 0

コメントを書く

お名前:
URL:
コメント:
画像認証:
下の画像に表示されている文字を入力してください。