After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Deskripsi Kursus
Perusahaan paling sukses saat ini adalah yang sangat memahami pelanggan mereka sehingga dapat mengantisipasi kebutuhan mereka. Analis data berperan penting dalam membuka wawasan mendalam ini, serta membuat segmentasi pelanggan agar dapat melayani mereka dengan lebih baik. Dalam kursus ini, Anda akan mempelajari teknik dunia nyata untuk segmentasi pelanggan dan analitik perilaku, menggunakan himpunan data nyata berisi transaksi pelanggan yang dianonimkan dari sebuah peritel online. Anda akan memulai dengan analisis kohort untuk memahami tren pelanggan. Selanjutnya, Anda akan mempelajari cara membangun segmen pelanggan yang mudah diinterpretasikan. Selain itu, Anda akan menyiapkan segmen yang Anda buat agar siap untuk Machine Learning. Terakhir, Anda akan membuat segmen Anda lebih kuat dengan klastering k-means, hanya dengan beberapa baris kode! Di akhir kursus ini, Anda akan mampu menerapkan analitik perilaku pelanggan dan teknik segmentasi yang praktis.
Prasyarat
Kurikulum
Garis besar kursus
1
Analisis Kohort
Pada bab pertama ini, Anda akan mempelajari tentang kohort dan cara menganalisisnya. Anda akan membuat kohort pelanggan Anda sendiri, memperoleh beberapa metrik, dan memvisualisasikan hasilnya.
- Pengantar analisis kohort50 XP
- Berapa banyak pelanggan yang diperoleh?50 XP
- Analisis kohort50 XP
- Tetapkan cohort akuisisi harian100 XP
- Hitung selisih waktu dalam hari - bagian 1100 XP
- Hitung offset waktu dalam hari - bagian 2100 XP
- Metrik kohor50 XP
- Retensi pelanggan50 XP
- Hitung retention rate dari awal100 XP
- Hitung harga rata-rata100 XP
- Memvisualisasikan analisis kohort50 XP
- Visualisasikan metrik kuantitas rata-rata100 XP
2
Analisis Recency, Frequency, dan Monetary Value
Pada bab kedua ini, Anda akan mempelajari tentang segmen pelanggan. Secara khusus, Anda akan mengenal recency, frequency, dan monetary value; membuat segmen pelanggan berdasarkan konsep tersebut; dan menganalisis hasilnya.
3
Pra-pemrosesan Data untuk Klastering
Setelah Anda membuat beberapa segmen, Anda ingin membuat prediksi. Namun, pertama-tama Anda perlu menguasai metode persiapan data yang praktis agar algoritma klastering k-means Anda dapat menemukan segmen yang terpisah dengan baik dan masuk akal.
4
Segmentasi Pelanggan dengan K-means
Pada bab terakhir ini, Anda akan menggunakan data yang telah Anda pra-proses di Bab 3 untuk mengidentifikasi klaster pelanggan berdasarkan recency, frequency, dan monetary value mereka.
Segmentasi Pelanggan dengan Python
Kursus
Selesai
