Después de hacer estos cursos, me siento seguro creando visualizaciones y cuadros de mando profesionales
Shoebur RahmanEspecialista en adquisiciones, Giz Bangladesh
Descripción del curso
Esta es tu oportunidad para adentrarte en los mundos del marketing y la analítica de negocio usando R. Cada día, las empresas se enfrentan a multitud de decisiones. Con la ayuda de modelos estadísticos, podrás respaldar la toma de decisiones basada en datos y no en la intuición. Te mostraremos el gran impacto que el modelado estadístico puede tener en el rendimiento de los negocios. Aprenderás a aplicar estrategias para comunicar tus resultados y conseguir que marquen la diferencia.
Requisitos previos
Programa de formación
Contenido del curso
1
Modelización del valor de vida del cliente con regresión lineal
¿Cómo decidir qué clientes aportan más valor a tu negocio? Aprende a modelar el valor de vida del cliente usando regresión lineal.
- Valor de vida del cliente en CRM50 XP
- Beneficios de conocer el CLV50 XP
- Explorando los datos100 XP
- Regresión lineal simple50 XP
- Entender los residuos50 XP
- Estimating simple linear regression100 XP
- Regresión lineal múltiple50 XP
- Evitar la multicolinealidad100 XP
- Interpretación de coeficientes50 XP
- Validación del modelo, ajuste del modelo y predicción50 XP
- Interpretación del ajuste del modelo50 XP
- Predicciones futuras de ventas100 XP
2
Regresión logística para prevenir el churn
Predecir si un cliente abandonará tu negocio, es decir, hará churn, es clave para dirigirte a clientes valiosos y retener a quienes están en riesgo. Aprende a modelar el churn de clientes usando regresión logística.
3
Modelización del tiempo hasta recomprar con análisis de supervivencia
Aprende a modelar el tiempo hasta un evento usando análisis de supervivencia. Puede ser el tiempo hasta el siguiente pedido o hasta que una persona haga churn.
4
Reducción de dimensionalidad con análisis de componentes principales
Los datos de CRM pueden ser muy extensos. Cada métrica que recopilas puede aportar información interesante sobre tus clientes. Pero manejar un conjunto de datos con demasiadas variables es complicado. Aprende a reducir el número de variables de tus datos usando análisis de componentes principales. Esto no solo ayuda a comprender mejor tus datos. El ACP también te permite condensar información en índices únicos y resolver problemas de multicolinealidad en un análisis de regresión con muchas variables intercorrelacionadas.
R
Machine Learning para analítica de marketing en R
Curso
completado
