Predicting Customer Behavior in E-commerce using Machine Learning

Abstract: E-handel har varit en snabbt växande sektor de senaste åren och förväntas fortsätta växa i samma takt under de närmsta. Detta har öppnat upp nya möjligheter för företag som försöker sälja sina produkter och tjänster, men det tvingar dem även att utnyttja dessa möjligheter för att vara konkurrenskraftiga. En intressant möjlighet som vi har valt att fokusera detta arbete på är förmågan att använda kunddata, som inte varit tillgänglig i fysiska butiker, till att identifiera mönster i kundbeteenden. Förhoppningsvis ger detta en ökad förståelse för kunderna och gör det möjligt att förutspå framtida beteenden. Vi fokuserade specifikt på att skilja mellan potentiella köpare och faktiska köpare, med avsikt att identifiera nyckelfaktorer som avgör ifall en kund genomför ett köp eller ej. Detta gjorde vi genom att använda Binary Logistic Regression, en algoritm som använder övervakad maskininlärning för att klassificera en observation mellan två klasser. Vi lyckades ta fram en modell som förutsåg om en kund skulle genomföra ett köp eller ej med en noggrannhet på 88%.