After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Deskripsi Kursus
Inilah kesempatan Anda untuk menyelami dunia pemasaran dan analitik bisnis menggunakan R. Hari demi hari, ada banyak keputusan yang harus diambil perusahaan. Dengan bantuan model statistik, Anda akan dapat mendukung proses pengambilan keputusan bisnis berdasarkan data, bukan firasat. Kami akan menunjukkan betapa besar dampak pemodelan statistik terhadap kinerja bisnis. Anda akan mempelajari dan menerapkan strategi untuk mengomunikasikan hasil Anda agar memberikan perbedaan nyata.
Prasyarat
Kurikulum
Garis besar kursus
1
Pemodelan Customer Lifetime Value dengan Regresi Linear
Bagaimana Anda menentukan pelanggan mana yang paling bernilai bagi bisnis Anda? Pelajari cara memodelkan customer lifetime value menggunakan regresi linear.
- Nilai umur pelanggan dalam CRM50 XP
- Manfaat mengetahui CLV50 XP
- Meninjau data100 XP
- Regresi linear sederhana50 XP
- Memahami residual50 XP
- Mengestimasi regresi linear sederhana100 XP
- Regresi linear berganda50 XP
- Menghindari multikolinearitas100 XP
- Interpretasi koefisien50 XP
- Validasi model, kecocokan model, dan prediksi50 XP
- Interpretasi kecocokan model50 XP
- Prediksi penjualan di masa depan100 XP
2
Regresi Logistik untuk Pencegahan Churn
Memprediksi apakah seorang pelanggan akan meninggalkan bisnis Anda, atau churn, penting untuk menargetkan pelanggan bernilai dan mempertahankan mereka yang berisiko. Pelajari cara memodelkan churn pelanggan menggunakan regresi logistik.
3
Memodelkan Waktu Pemesanan Ulang dengan Analisis Survival
Pelajari cara memodelkan waktu hingga suatu kejadian menggunakan analisis survival. Contohnya, waktu hingga pesanan berikutnya atau hingga seseorang melakukan churn.
4
Mengurangi Dimensionalitas dengan Principal Component Analysis
Data CRM dapat menjadi sangat luas. Setiap metrik yang Anda kumpulkan bisa memuat informasi menarik tentang pelanggan Anda. Namun, menangani himpunan data dengan terlalu banyak variabel itu sulit. Pelajari cara mengurangi jumlah variabel dalam data Anda menggunakan principal component analysis. Ini tidak hanya membantu meningkatkan pemahaman terhadap data Anda. PCA juga memungkinkan Anda memadatkan informasi menjadi indeks tunggal dan mengatasi masalah multikolinearitas dalam analisis regresi dengan banyak variabel yang saling berkorelasi.
R
Machine Learning untuk Analitik Pemasaran dengan R
Kursus
Selesai
