Aller au contenu principal
Dernière mise à jour le

Tutoriel : Segmentation client avec Genie Code

Dans ce tutoriel, vous utilisez Genie Code pour exécuter la segmentation client de bout en bout directement dans un Notebook Databricks. À partir d'un jeu de données brutes de campagne marketing, Genie Code gère le profilage des données, l'ingénierie des fonctionnalités, le clustering K-means et la génération de personas — le tout à partir d'une seule invite.

Analyse de la segmentation des clients avec Genie Code

Exigences​

Étape 1 : Obtenir l'ensemble de données​

Pour ce tutoriel, vous utilisez un jeu de données de campagne marketing.

  1. Download le jeu de données de Marketing Campaign depuis Kaggle.
  2. Cliquez sur Nouvelle icône Nouveau > Ajouter ou upload des données .
  3. Cliquez sur **Créer ou modifier une table**.
  4. Cliquez sur parcourir ou faites glisser le fichier téléchargé dans la zone de dépôt.
  5. Sélectionnez le catalogue et le schéma cibles dans Unity Catalog.
  6. (Facultatif) Modifier le nom de la table.
  7. Cliquez sur Créer une table .

Étape 2 : Ouvrir un Notebook​

  1. Dans la barre latérale, cliquez sur Nouveau et sélectionnez Notebook .
  2. Nommez le notebook Données de la campagne Marketing .
  3. Associez le Notebook au compute ou utilisez le compute serverless.

Étape 3 : Lancer Genie Code en mode Agent​

Genie Code en mode Agent peut planifier et exécuter des tâches multi-étapes de manière autonome — il lit les sorties de cellules, corrige les erreurs et adapte son approche en fonction des résultats.

  1. Dans le coin supérieur droit du Notebook, cliquez sur Icône de code Sparkle genie. pour ouvrir le volet Genie Code.
  2. Dans le sélecteur de mode en bas du volet Genie Code, sélectionnez Agent .

Étape 4 : Envoyez votre prompt de segmentation​

L'analyse de segmentation est couramment effectuée en regroupant les clients qui ont des modèles d'achat similaires. Par exemple, les segments peuvent être basés sur le revenu, les données démographiques ou des comportements d'achat spécifiques. Une approche courante est le clustering K-means, une technique qui regroupe automatiquement les clients similaires en segments distincts, appelés « clusters ».

prompt

Demandez à Genie Code (mode Agent) de le faire pour vous :

Help me cluster my customers from my marketing campaign to profile them. I want to identify interesting segments that may be useful for marketing purposes.

Genie Code décompose l'invite en étapes et les exécute :

  1. Comprend le contexte — Genie Code lit votre invite et l'état actuel du Notebook.
  2. Découvre les données pertinentes — Genie Code recherche les assets de données pertinents dans Unity Catalog et les charge pour l’analyse.
  3. Génère et exécute du code — Genie Code modifie les cellules de Notebook selon un workflow standard de Data Science : importation de bibliothèques, prétraitement des données, entraînement du modèle et visualisation des résultats.
  4. Résume les résultats — Genie Code propose un résumé en langage clair de ce qu'il a trouvé.

Genie Code demande votre approbation avant d'exécuter le code. Examinez chaque étape et cliquez sur **Autoriser**. Vous pouvez également sélectionner **Autoriser dans ce fil** pour approuver toutes les étapes de la conversation actuelle, ou **Toujours autoriser** pour ignorer les futures invites d'approbation.

Étape 5 : Examiner les résultats​

Une fois que Genie Code a terminé, examinez les cellules de notebook générées et le résumé dans le volet Genie Code. Le résumé décrit chaque segment de clientèle identifié, y compris les caractéristiques démographiques, le comportement d'achat et des suggestions sur la manière d'interagir avec chaque groupe.

Par exemple, Genie Code pourrait identifier des segments tels que les Fidèles Premium (revenus élevés, acheteurs fréquents) et les Chasseurs de bonnes affaires (sensibles aux prix, motivés par les promotions).

Résultats de l'analyse de la segmentation client dans Genie Code.

Étape 6 : affinez avec des prompts de suivi​

Utilisez des invites de suivi pour approfondir l’analyse :

  • Are there any other clustering techniques we should consider?
  • What happens if we increase the number of clusters?
  • Filter to customers who have made a purchase in the last 90 days.

Chaque invite de suivi s'appuie sur les résultats précédents sans recommencer.

Données de campagne Marketing dans un tableau de bord.

Ressources supplémentaires​

Sur cette page