Masz profile klientów i ubezpieczonych zwierząt domowych, szczegóły polis, składki i roszczenia przechowywane w relacyjnej bazie danych. Menedżer marketingu chce przeprowadzić ukierunkowaną kampanię w mediach społecznościowych, aby znaleźć nowych potencjalnych klientów o podobnych profilach. Które podejście do modelowania jest najbardziej odpowiednie do identyfikacji odrębnych segmentów klientów w celu dopasowania ich w mediach społecznościowych?

Klasteryzacja (grupowanie) to technika uczenia nienadzorowanego, która doskonale nadaje się do identyfikacji naturalnych grup lub segmentów w zbiorze danych, gdy nie ma zdefiniowanych etykiet. W tym przypadku, celem jest odkrycie odrębnych segmentów klientów na podstawie ich profili, bez wcześniejszej wiedzy o tych segmentach. Po zidentyfikowaniu tych segmentów, można ich użyć do ukierunkowania kampanii marketingowych w mediach społecznościowych. Regresja jest używana do przewidywania wartości ciągłych, systemy rekomendacji do sugerowania pozycji, a klasyfikatory drzew decyzyjnych do przewidywania dyskretnych klas, co nie jest głównym celem w tym scenariuszu.