Выход очевиден — мы должны проанализировать все признаки наших текущих клиентов и выявить показатели, которые однозначно смогут отличить их от пользователей, не ставших нашими клиентами. Если мы хотим выявить закономерности в больших массивах данных, то машинное обучение подходит как нельзя кстати для этой задачи.
Этап 1. Подготовка данных
Для начала необходимо обучить алгоритм на исторических данных с целью оценки вероятности совершения конверсии пользователем. Мы взяли данные по сессиям за прошедший год по клиенту из сферы недвижимости. Всего получилось около 800 тыс. сессий. Также нужно выбрать событие, которое определяет совершение конверсии пользователем.
Этап 2. Машинное обучение
В этой части я расскажу подробно о том, как строится процесс машинного обучения для «умного» ремаркетинга. Эта информация будет полезна  техническим специалистам, которым знакомы принципы работы машинного обучения. Если же вы маркетолог и вам больше интересна практическая ценность данного подхода, то переходите к прочтению Этапа 3, где раскрывается внедрение алгоритма и его ценность.
Итак, рассмотрим простой алгоритм поиска паттерна признаков потенциального клиента: