Lead-Scoring:
Echte Käufer erkennen - statt allen hinterherzulaufen

import pandas as pd
import numpy as np

np.random.seed(202)
N = 6000

records = []
for i in range(N):
    # Käufer-Profil
    alter = np.random.normal(42, 12)
    haushalt = np.random.choice(['Single','Paar','Familie','Investor'],
        p=[0.20,0.30,0.35,0.15])
    finanzierung = np.random.choice(['Bestätigt','In Bearbeitung','Unklar','Keine'],
        p=[0.15,0.25,0.35,0.25])

    # Verhaltenssignale
    anfragen_gesamt = np.random.poisson(5)
    tage_seit_erstanfrage = np.random.exponential(30)
    expose_views = np.random.poisson(4)
    rueckfragen = np.random.poisson(1.2)
    besichtigung_angefragt = np.random.random() < 0.32
    antwortzeit_min = np.random.exponential(180)
    wochenende_anfrage = np.random.random() < 0.35
    nachricht_laenge = np.random.poisson(45)
    eigene_immobilie = np.random.random() < 0.40
    preisbudget_match = np.random.uniform(0.5, 1.3)

    # Conversion-Modell
    score = 0.02
    if finanzierung == 'Bestätigt': score += 0.06
    elif finanzierung == 'In Bearbeitung': score += 0.03
    if rueckfragen >= 2: score += 0.035
    if antwortzeit_min < 60: score += 0.025
    if nachricht_laenge > 60: score += 0.02
    if 0.9 <= preisbudget_match <= 1.1: score += 0.03
    if eigene_immobilie: score += 0.015
    if besichtigung_angefragt: score += 0.025
    if anfragen_gesamt > 8: score -= 0.02  # Touristen

    hat_gekauft = np.random.random() < np.clip(score, 0.02, 0.65)

    records.append({
        'lead_id': f'L-{i+1:05d}',
        'alter': int(np.clip(alter,22,72)),
        'haushalt': haushalt,
        'finanzierung': finanzierung,
        'anfragen_gesamt': anfragen_gesamt,
        'expose_views': expose_views,
        'rueckfragen': rueckfragen,
        'besichtigung_angefragt': besichtigung_angefragt,
        'antwortzeit_min': round(antwortzeit_min),
        'nachricht_laenge': nachricht_laenge,
        'eigene_immobilie': eigene_immobilie,
        'preisbudget_match': round(preisbudget_match,2),
        'wochenende_anfrage': wochenende_anfrage,
        'tage_aktiv': int(tage_seit_erstanfrage),
        'hat_gekauft': hat_gekauft,
    })

df = pd.DataFrame(records)
conv_rate = df['hat_gekauft'].mean()
print(f"Leads: {len(df):,} | Käufer: {df['hat_gekauft'].sum():,} | Quote: {conv_rate*100:.1f}%")

from sklearn.ensemble import RandomForestClassifier
from sklearn.calibration import CalibratedClassifierCV
from sklearn.metrics import roc_auc_score

features = ['alter','anfragen_gesamt','expose_views','rueckfragen',
            'besichtigung_angefragt','antwortzeit_min','nachricht_laenge',
            'eigene_immobilie','preisbudget_match','wochenende_anfrage',
            'tage_aktiv','finanz_enc','haushalt_enc']

# Klassen-Gewicht an 7.5% Käufer-Prävalenz angepasst (~12:1)
rf = RandomForestClassifier(n_estimators=400, max_depth=8,
    class_weight={0: 1, 1: 12}, random_state=42)
model = CalibratedClassifierCV(rf, cv=5)
model.fit(X_train, y_train)

y_prob = model.predict_proba(X_test)[:, 1]
top20 = y_prob >= np.quantile(y_prob, 0.80)  # Top-Segment

print(f"AUC-ROC: {roc_auc_score(y_test, y_prob):.2f}")
print(f"Trefferquote Top-Segment: {y_test[top20].mean()*100:.0f}%")
print(f"Käufer in Top-20%: {y_test[top20].sum()/y_test.sum()*100:.0f}%")