Après avoir suivi ces cours, je me sens confiant dans la création de visualisations et de tableaux de bord professionnels.
Shoebur RahmanSpécialiste des marchés publics, Giz Bangladesh
Description du cours
L’essor du Machine Learning (qui rappelle presque la « révolte des machines » ?) et l’application de méthodes statistiques au marketing ont transformé durablement le domaine. Le Machine Learning permet aujourd’hui d’optimiser les parcours clients pour maximiser leur satisfaction et leur valeur sur la durée. Ce cours vous donne les bases indispensables que vous pourrez appliquer immédiatement pour améliorer la stratégie marketing de votre entreprise. Vous apprendrez à utiliser différentes techniques pour prédire l’attrition (churn) et en interpréter les facteurs, mesurer et prévoir la valeur vie client (Customer Lifetime Value), et enfin, construire des segments clients à partir de leurs comportements d’achat. Vous utiliserez des données clients d’un opérateur télécom pour prédire l’attrition, construirez un jeu de données récence-fréquence-montant à partir d’un e-commerçant pour la prédiction de la valeur vie client, et créerez des segments à partir des achats produits d’une enseigne alimentaire.
Prérequis
Programme de formation
Plan du cours
1
Notions de base du Machine Learning pour le marketing
Dans ce chapitre, vous passerez en revue les bases des méthodes de Machine Learning utilisées en marketing. Vous découvrirez les différents types de Machine Learning, les étapes de préparation des données, et exécuterez plusieurs modèles de bout en bout pour en mesurer la puissance.
- Pourquoi utiliser le Machine Learning en marketing ? Stratégies et cas d’usage50 XP
- Identifier des exemples de supervised learning50 XP
- Apprentissage supervisé vs non supervisé100 XP
- Préparation au modélisation50 XP
- Explorer les données100 XP
- Séparer les colonnes numériques et catégorielles100 XP
- Encoder les variables catégorielles et mettre à l’échelle les variables numériques100 XP
- Étapes de modélisation en Machine Learning50 XP
- Diviser les données en entraînement et test100 XP
- Ajuster un arbre de décision100 XP
- Prédire le churn avec un arbre de décision100 XP
2
Prédiction du churn et facteurs explicatifs
Dans ce chapitre, vous apprendrez les fondamentaux de la prédiction du churn, puis vous ajusterez des modèles de régression logistique et d’arbres de décision pour prédire l’attrition. Enfin, vous explorerez les résultats et en tirerez des enseignements sur les facteurs qui expliquent le churn.
3
Prédiction de la Customer Lifetime Value (CLV)
Dans ce chapitre, vous apprendrez les bases de la Customer Lifetime Value (CLV) et ses différentes méthodes de calcul. Vous exploiterez ces connaissances pour construire des variables d’achat au niveau client et prédire les transactions du mois suivant à l’aide d’une régression linéaire.
4
Segmentation client
Ce dernier chapitre traite de la segmentation client à partir de l’historique d’achats. Vous explorerez deux modèles qui apportent un éclairage sur les habitudes d’achat des clients et permettent de regrouper ces derniers en segments bien distincts et interprétables.
Machine Learning pour le marketing en Python
Cours
terminé
