使用AI和機器學習將任何東西賣給任何人
有關如何使用AI和IBM Watson的Personality Insights確保如何向潛在客戶銷售產品的A-Z指南。
公告:在收到許多請求后,我進行了電報群聊,我將在這里免費共享每周信號和獨家內容。 您可以通過此鏈接立即加入。
能夠將任何東西賣給任何人是少數人擁有的一項技能。 對于我們這些沒有魔法力量的人,有時候很難達成交易。 有什么比能夠知道您要出售產品的人的性格更有價值的呢? 從廣義上講,銷售可能不僅指您試圖銷售商品。 推銷可能指提供服務,甚至試圖推銷自己(例如大學/工作面試,商務會議)。
通過在這樣的會議之前了解一個人的性格特征,例如他/她是否有沖動,利他,情感等,就很容易向該人出售"正確"的產品,同時塑造敘述 并展現人物的性格。
認知計算-一種被廣泛認為是……的很重要表現的技能
作為其用戶,我們已逐漸將技術視為理所當然。 這些天幾乎沒有什么比這更普遍了……
輕描淡寫的是,不管有人從事哪個行業,擁有這樣的工具進行處置將是最終武器。 無論是用來理解老板的想法并找到向其展示新業務構想的優秀方法,還是為下一次面試做準備的一種方式,現實生活中的應用都是無止境的。
不幸的是,這種工具不存在,還是存在?
繼續閱讀以了解如何開發自己的個性分析模型!
項目藍圖
在制定藍圖之前,需要一個簡潔的目標。
目標很明確,我們將建立一個機器學習模型,當該模型提供給某人的twitter帳戶時,它將提供有關該人的性格的完整見解,以便我們向目標客戶進行銷售。
正如簡介中強調的那樣,用例僅限于您的想象。 可能的應用幾乎是無止境的。
幸運的是,大多數工作已經由IBM完成。 我們將僅使用IBM Watson工具,并在少于10行的python代碼中為我們提供一個人的推文,并將盡可能多地了解他/她。
我將要執行的步驟如下:
- 創建一個IBM Cloud帳戶(免費且易于執行)。
- 訂閱IBM Watson Personality Insights(您可以在這里免費進行此操作)。
- 提取"目標"發布的所有推文。
- 使用Watson進行完整的性格分析。
- 根據模型的發現制定計劃。
如果您喜歡本文,并有興趣免費獲得每月獨家內容,請在本文結尾處訂閱我的獨家郵件列表(也可以直接從此處訪問)。
執行分析
第一步是將所有必需的庫導入python。
現在已經導入了庫,是時候創建一個IBM Cloud帳戶了。 創建帳戶后,請從此鏈接注冊" IBM Watson個性化見解"。
如果一切按計劃進行,則現在必須具有API密鑰和URL。 用Python編寫以下代碼后,將您的密鑰和URL粘貼到相應的字段中。
就Watson而言,這差不多! 為了向模型提供數據,我們需要獲取用戶的推文。 這可以使用Tweepy完成(可以在此處找到文檔)。
出于本文的目的,我將使用" GetOldTweets"庫。 它可以通過pip輕松安裝,并且不需要訪問Twitter的API。 安裝后,也可以從CLI對其進行訪問。
要獲取特定帳戶的所有推文,可以在終端上使用以下命令:
- GetOldTweets3 --username "Person's Username"
注意! 將推文保存在" .json"文件中非常重要。 因此,如果包含推文的文件為" .csv"格式,則必須對其進行轉換。
正如項目藍圖中概述的那樣,我將分析一個假設客戶的Twitter數據。
將推文提取到" .json"文件后,我們將使用以下代碼行運行模型:

瞧! 現在,我們已經成功完成了對雇主人格的分析。
了解數據
該模型為我們提供了一長串值。 不幸的是,數據很難讀取,因此我們可以創建一個熊貓數據框,并導入不同的特征。
根據文檔,Watson向我們提供的數據屬于以下兩個類別:
- 個性特征包括:五大,需求,價值觀(更多信息請點擊此處)
2.消費首選項(更多信息在這里)
對于此用例,消費偏好很可能具有最大價值。 不過,我將在下面介紹看似重要的信息,以了解客戶并促成銷售。
該主題似乎是:
- 接受新想法
- 感性的
- 謹慎
- 性格外向
- 斷言的
- 外向
- 合適的
- 利他的
- 毫不妥協
- 輕松信任
這些是該模型提供的個性化見解的示例。 讓我們看一下本學科的消費模式。
主題是
- 購買東西時可能更喜歡安全性而不是成本
- 可能更喜歡樣式而不是質量
- 購買產品時可能會受到品牌名稱的影響
- 購買產品時可能會受到在線廣告的影響
- 購買產品時可能會受到社交媒體的影響
- 可能會一時購買
- 可能擁有健身房會員資格
- 不太可能關心環境
- 可能經常外出吃飯
重要的是要強調這些只是我們可以為該主題收集的眾多目標數據點中的一部分。
顯而易見的是,當擁有關于某人的大量信息時,不僅很容易出售產品,而且還可以說服他/她執行特定的操作,使他/她像您一樣,甚至更多!


























