Tutorial: Segmentação de clientes com Genie Code
Neste tutorial, você usará Genie Code para executar a segmentação de clientes de ponta a ponta diretamente em um Notebook Databricks . Partindo de um conjunto de dados brutos de uma campanha marketing , Genie Code realiza perfil de dados, engenharia de recursos, clustering K-means e geração de personas — tudo a partir de um único comando.

Requisitos
- Um workspace Databricks com Genie Code ativado.
- Recursos AI com tecnologia de parceiros habilitados tanto para a account quanto para workspace. Veja recurso AI com tecnologia de parceiros.
- Visualização do modo Agente do Genie Code ativada. Veja as prévias do Gerenciador Databricks.
Passo 1: Obtenha o conjunto de dados
Para este tutorial, você usará um conjunto de dados de campanha de marketing.
- Baixe o conjunto de dados da campanha de marketing do Kaggle.
- Clique
Novo > Adicionar ou upload dados .
- Clique em Criar ou modificar uma tabela .
- Clique em "Procurar" ou arraste e solte o arquivo baixado na área indicada.
- Selecione o catálogo e o esquema de destino no Unity Catalog.
- (Opcional) Mude o nome da tabela.
- Clique em Criar tabela .
Passo 2: Abra um caderno
- Na barra lateral, clique em Novo e selecione Notebook .
- Dê um nome aos dados da campanha de marketing do Notebook.
- Anexe o Notebook ao compute ou utilize compute serverless .
o passo 3: Iniciar Genie Code no modo Agente
No modo Agente, Genie Code consegue planejar e executar tarefas com várias etapas de forma autônoma — ele lê as saídas das células, corrige erros e adapta sua abordagem com base nos resultados.
- No canto superior direito do Bloco de Notas, clique
Para abrir o painel do código Genie .
- No seletor de modo na parte inferior do painel Genie Code, selecione Agente .
o passo 4: Envie sua solicitação de segmentação
A análise de segmentação é geralmente realizada clustering clientes que possuem padrões de compra semelhantes. Por exemplo, os segmentos podem ser baseados em renda, dados demográficos ou comportamentos de compra específicos. Uma abordagem comum é clustering K-means, uma técnica que agrupa automaticamente clientes semelhantes em segmentos distintos, chamados de "clusters ".
Digite a seguinte mensagem e pressione Enter ou clique.:
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 divide o prompt em passos e execução:
- Entende o contexto — Genie Code lê sua solicitação e o estado atual do Notebook.
- Encontra dados relevantes — Genie Code pesquisa Unity Catalog por dados relevantes ativos e os carrega para análise.
- Gera e executa código — Genie Code edita células do Notebook seguindo um fluxo de trabalho padrão da ciência de dados: importação de biblioteca, pré-processamento de dados, treinamento do modelo e visualização de resultados.
- Resumo dos resultados — O Genie Code apresenta um resumo em linguagem simples das suas descobertas.
O Genie Code solicita sua aprovação antes de executar o código. Revise cada passo e clique em Permitir . Você também pode selecionar "Permitir nesta conversa" para aprovar todos os passos na conversa atual ou "Sempre permitir" para ignorar solicitações de aprovação futuras.
o passo 5: Revisar os resultados
Após a conclusão Genie Code, revise as células do Notebook geradas e o resumo no painel Genie Code. O resumo descreve cada segmento de clientes identificado, incluindo características demográficas, comportamento de compra e sugestões de como interagir com cada grupo.
Por exemplo, o Genie Code pode identificar segmentos como Clientes Premium Fiéis (compradores frequentes de alta renda) e Caçadores de Barganhas (sensíveis ao preço e motivados por promoções).

o passo 6: Aprimore com perguntas de acompanhamento
Utilize perguntas de acompanhamento para aprofundar a análise:
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.
Cada pergunta subsequente se baseia nos resultados anteriores, sem recomeçar do zero.
