سبق 1ਸਟੋਰ ਅਤੇ ਚੈਨਲ ਫੀਚਰ: share_of_online_vs_store, channel_conversion proxies, regional sales shareਔਨਲਾਈਨ ਬਨਾਮ ਆਫਲਾਈਨ ਮਿਕਸ, ਰੀਜਨਲ ਪਰਫਾਰਮੈਂਸ, ਅਤੇ ਕਨਵਰਜ਼ਨ ਪ੍ਰੌਕਸੀਜ਼ ਨੂੰ ਦਰਸਾਉਂਦੇ ਸਟੋਰ ਅਤੇ ਚੈਨਲ ਫੀਚਰਾਂ ਨੂੰ ਬਣਾਓ। ਇਹਨਾਂ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਨੂੰ ਵਰਤੋ ਰਿਟੇਲ ਮੰਗ ਵਿੱਚ ਕੈਨੀਬਲਾਈਜ਼ੇਸ਼ਨ, ਚੈਨਲ ਸ਼ਿਫਟ, ਅਤੇ ਭੂਗੋਲਿਕ ਅੰਤਰਾਂ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਨ ਲਈ।
Share of online vs brick-and-mortar salesChannel-specific conversion rate proxiesRegional sales share and market penetrationStore size, format, and location indicatorsChannel shift and cannibalization signalsسبق 2ਪ੍ਰੋਡਕਟ ਫੀਚਰ: product_margin proxy, product_popularity, average_discount_by_product, return-prone indicators (if returns present)ਲਾਭਕਾਰੀਤਾ, ਲੋਕਪ੍ਰਿਅਤਾ, ਡਿਸਕਾਉਂਟ ਵਿਵਹਾਰ, ਅਤੇ ਵਾਪਸੀ ਜੋਖਮ ਨੂੰ ਫੜਦੇ ਪ੍ਰੋਡਕਟ-ਲੈਵਲ ਫੀਚਰਾਂ ਨੂੰ ਡਿਜ਼ਾਈਨ ਕਰੋ। ਪਾਈਥਨ ਨਾਲ ਟ੍ਰਾਂਜੈਕਸ਼ਨਲ ਡਾਟਾ ਨੂੰ ਏਗ੍ਰੀਗੇਟ ਕਰਕੇ ਸਥਿਰ ਪ੍ਰੋਡਕਟ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਬਣਾਓ ਜੋ ਕੀਮਤੀ, ਵਿਭਿੰਨਤਾ, ਅਤੇ ਮੰਗ ਮਾਡਲਾਂ ਨੂੰ ਬਿਹਤਰ ਬਣਾਉਂਦੀਆਂ ਹਨ।
Product margin proxy from price and costSales volume and product popularity scoresAverage discount and markdown intensityReturn-prone and complaint indicatorsNew product vs mature product flagsسبق 3ਕਸਟਮਰ ਫੀਚਰ: ਰੀਸੈਂਸੀ, ਫ੍ਰੀਕੁਐਂਸੀ, ਮੌਨੀਟਰੀ (ਆਰਐਫਐੱਮ) ਹਿੱਸੇ, ਕਸਟਮਰ ਲਾਈਫਟਾਈਮ ਵੈਲਿਊ (ਸਾਧਾਰਨ ਸੀਐਲਵੀ ਫਾਰਮੂਲੇ)ਆਰਐਫਐੱਮ ਵਿਸ਼ਲੇਸ਼ਣ ਨੂੰ ਸਹਾਰਾ ਦੇਣ ਲਈ ਰੀਸੈਂਸੀ, ਫ੍ਰੀਕੁਐਂਸੀ, ਅਤੇ ਮੌਨੀਟਰੀ ਮੁੱਲ ਵਰਗੇ ਕਸਟਮਰ-ਲੈਵਲ ਫੀਚਰ ਬਣਾਓ। ਇਹਨਾਂ ਮੈਟ੍ਰਿਕਸ ਨੂੰ ਸਾਧਾਰਨ ਸੀਐਲਵੀ ਫਾਰਮੂਲਿਆਂ, ਚੁਰਨ ਜੋਖਮ ਪ੍ਰੌਕਸੀਜ਼, ਅਤੇ ਰਿਟੇਲ ਵਿਵਹਾਰ ਲਈ ਢਾਲੂ ਕੋਹੌਰਟ-ਅਧਾਰਤ ਸੰਖੇਪਾਂ ਨਾਲ ਵਧਾਓ।
Computing recency from last purchase dateFrequency metrics over rolling time windowsMonetary value and average basket sizeRFM scoring and customer segmentationSimple CLV formulas and assumptionsHandling new and inactive customersسبق 4ਬਿੰਨਿੰਗ ਅਤੇ ਸੈਗਮੈਂਟੇਸ਼ਨ ਤਕਨੀਕਾਂ: ਕੁਆਂਟਾਈਲ ਬਿੰਨਾਂ, ਕਸਟਮਰਾਂ ਜਾਂ ਪ੍ਰੋਡਕਟਾਂ ਲਈ ਕੇ-ਮੀਨਜ਼ ਸੈਗਮੈਂਟਸ, ਅਤੇ ਕੈਟੇਗੋਰੀਕਲ ਵੇਰੀਏਬਲਾਂ ਲਈ ਵਨ-ਹੌਟ ਐਨਕੋਡਿੰਗ ਬਨਾਮ ਟਾਰਗੇਟ ਐਨਕੋਡਿੰਗਕਸਟਮਰਾਂ ਅਤੇ ਪ੍ਰੋਡਕਟਾਂ ਨੂੰ ਅਰਥਪੂਰਨ ਰੇਂਜਾਂ ਜਾਂ ਕਲੱਸਟਰਾਂ ਵਿੱਚ ਗਰੁੱਪ ਕਰਨ ਲਈ ਬਿੰਨਿੰਗ ਅਤੇ ਸੈਗਮੈਂਟੇਸ਼ਨ ਵਿਧੀਆਂ ਦੀ ਖੋਜ ਕਰੋ। ਕੁਆਂਟਾਈਲ ਅਤੇ ਕੇ-ਮੀਨਜ਼ ਢੰਗਾਂ ਦੀ ਤੁਲਨਾ ਕਰੋ, ਅਤੇ ਕੈਟੇਗੋਰੀਕਲ ਰਿਟੇਲ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਲਈ ਵਨ-ਹੌਟ ਬਨਾਮ ਟਾਰਗੇਟ ਐਨਕੋਡਿੰਗ ਦਾ ਮੁਲਾਂਕਣ ਕਰੋ।
Equal-width vs quantile-based binningCustomer value tiers using quantile binsK-means clustering for product segmentsImplementing one-hot encoding in PythonTarget encoding with leakage preventionEvaluating binning and encoding impactسبق 5ਆਰਡਰਡੇਟ ਤੋਂ ਟਾਈਮ ਫੀਚਰ ਨਿਕਾਲਣਾ: ਡੇਟ, ਮਹੀਨਾ, ਕੁਆਰਟਰ, ਹਫਤਾ, ਦਿਨ_ਹਫਤੇ, ਹੈ_ਵੀਕਐਂਡ, ਮੌਸਮ ਸੰਕੇਤਕਾਰਆਰਡਰਡੇਟ ਤੋਂ ਅਮੀਰ ਕੈਲੰਡਰ ਫੀਚਰਾਂ ਨੂੰ ਨਿਕਾਲਣਾ ਸਿੱਖੋ, ਜੋ ਮੌਸਮੀਤਾ, ਸ਼ੌਪਿੰਗ ਪੈਟਰਨਾਂ, ਅਤੇ ਵਪਾਰਕ ਚੱਕਰਾਂ ਨੂੰ ਫੜਦੇ ਹਨ। ਡਾਊਨਸਟ੍ਰੀਮ ਮਾਡਲਾਂ ਲਈ ਡੇਟ ਹਿੱਸੇ, ਫਲੈਗਾਂ, ਅਤੇ ਮੌਸਮੀ ਸੰਕੇਤਕਾਰ ਉਤਪਾਦਨ ਲਈ ਰੀਯੂਜ਼ਯੋਗ ਪਾਈਥਨ ਕੋਡ ਬਣਾਓਗੇ।
Extracting date, month, quarter, and yearISO week numbers and retail calendar optionsDay of week and weekend vs weekday flagsPublic holiday and promotion period flagsSeason and peak shopping season indicatorsسبق 6ਪਾਵਰ ਕੁਆਰੀ ਅੰਦਰ ਫੀਚਰ ਬਣਾਉਣ ਲਈ ਦੁਹਰਾਉਣਯੋਗ ਪਾਈਥਨ ਕੋਡ ਲਿਖਣਾ ਅਤੇ ਹਰ ਕਦਮ ਲਈ ਸਪਸ਼ਟਤਾ ਲਈ ਕਮੈਂਟ ਕਰਨਾਪਾਵਰ ਕੁਆਰੀ ਅੰਦਰ ਫੀਚਰ ਉਤਪਾਦਨ ਲਈ ਸਾਫ਼, ਦੁਹਰਾਉਣਯੋਗ ਪਾਈਥਨ ਸਕ੍ਰਿਪਟਾਂ ਲਿਖਣਾ ਸਿੱਖੋ। ਕੋਡ ਨੂੰ ਫੰਕਸ਼ਨਾਂ ਵਿੱਚ ਬਣਾਓਗੇ, ਸਾਫ਼ ਕਮੈਂਟ ਜੋੜੋਗੇ, ਪੈਰਾਮੀਟਰਾਂ ਨੂੰ ਪ੍ਰਬੰਧਿਤ ਕਰੋਗੇ, ਅਤੇ ਪਾਵਰ ਬਾਈ ਵਿੱਚ ਫੀਚਰਾਂ ਨੂੰ ਭਰੋਸੇਯੋਗ ਰਿਫ੍ਰੈਸ਼ ਕਰਨਾ ਯਕੀਨੀ ਬਣਾਓਗੇ।
Setting up Python steps in Power QueryDesigning reusable feature functionsCommenting and documenting each stepParameterizing dates, stores, and channelsTesting, debugging, and logging outputsVersioning and organizing feature scriptsسبق 7ਆਰਡਰ-ਲੈਵਲ ਫੀਚਰ: revenue_per_order, average_unit_price, discount_rate, order_size (Quantity)ਮੁੱਲ, ਕੀਮਤੀ, ਅਤੇ ਬਾਸਕਟ ਬਣਤਰ ਦਾ ਸੰਖੇਪ ਦਿੰਦੇ ਆਰਡਰ-ਲੈਵਲ ਫੀਚਰਾਂ ਨੂੰ ਇੰਜੀਨੀਅਰ ਕਰੋ। ਆਰਡਰ ਪ੍ਰਤੀ ਆਇਰਨ, ਯੂਨਿਟ ਕੀਮਤ, ਡਿਸਕਾਉਂਟ ਦਰ, ਅਤੇ ਆਰਡਰ ਆਕਾਰ ਗਣਨਾ ਕਰੋਗੇ, ਫਿਰ ਉਹਨਾਂ ਨੂੰ ਕੀਮਤੀ ਅਤੇ ਪ੍ਰਮੋਸ਼ਨ ਵਿਸ਼ਲੇਸ਼ਣ ਨੂੰ ਸਹਾਰਾ ਦੇਣ ਵਾਲੇ ਮਿਕਸ ਸੰਕੇਤਕਾਰਾਂ ਨਾਲ ਵਧਾਓਗੇ।
Revenue per order and gross margin proxiesAverage unit price and price dispersionDiscount rate and promotion depth metricsOrder size from quantity and line countsProduct mix and category diversity flags