After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Deskripsi Kursus
Bangkitnya machine learning (hampir terdengar seperti "kebangkitan mesin"?) dan penerapan metode statistik pada pemasaran telah mengubah bidang ini selamanya. Machine learning digunakan untuk mengoptimalkan perjalanan pelanggan agar memaksimalkan kepuasan dan nilai seumur hidup mereka. Kursus ini akan membekali Anda dengan alat dasar yang dapat langsung diterapkan untuk meningkatkan strategi pemasaran perusahaan Anda. Anda akan mempelajari berbagai teknik untuk memprediksi churn pelanggan dan menafsirkan pendorongnya, mengukur dan memprakirakan Customer Lifetime Value, dan akhirnya membangun segmen pelanggan berdasarkan pola pembelian produk mereka. Anda akan menggunakan data pelanggan dari sebuah perusahaan telekomunikasi untuk memprediksi churn, menyusun himpunan data recency-frequency-monetary dari peritel daring untuk prediksi Customer Lifetime Value, dan membangun segmen pelanggan dari data pembelian produk sebuah toko bahan makanan.
Prasyarat
Kurikulum
Garis besar kursus
1
Dasar-dasar machine learning untuk pemasaran
Pada bab ini, Anda akan mempelajari dasar-dasar metode machine learning yang digunakan dalam pemasaran. Anda akan mengenal berbagai jenis machine learning, langkah-langkah penyiapan data, dan menjalankan beberapa model ujung-ke-ujung untuk memahami kemampuannya.
- Mengapa menggunakan Machine Learning untuk pemasaran? Strategi dan kasus penggunaan50 XP
- Identifikasi contoh supervised learning50 XP
- Supervised vs. unsupervised learning100 XP
- Persiapan untuk pemodelan50 XP
- Selidiki data100 XP
- Pisahkan kolom numerik dan kategorikal100 XP
- Enkode variabel kategorikal dan skala variabel numerik100 XP
- Langkah-langkah pemodelan ML50 XP
- Bagi data menjadi training dan testing100 XP
- Melatih decision tree100 XP
- Prediksi churn dengan decision tree100 XP
2
Prediksi churn dan pendorongnya
Pada bab ini Anda akan mempelajari dasar-dasar prediksi churn, kemudian menyesuaikan model regresi logistik dan pohon keputusan untuk memprediksi churn. Terakhir, Anda akan menelaah hasilnya dan mengekstrak wawasan tentang apa saja pendorong churn.
3
Prediksi Customer Lifetime Value (CLV)
Pada bab ini, Anda akan mempelajari dasar-dasar Customer Lifetime Value (CLV) dan berbagai metodologi perhitungannya. Anda akan memanfaatkan pengetahuan ini untuk membangun fitur pembelian tingkat pelanggan guna memprediksi transaksi bulan depan menggunakan regresi linear.
4
Segmentasi pelanggan
Bab terakhir ini membahas segmentasi pelanggan berdasarkan riwayat pembelian produk. Anda akan mengeksplorasi dua model berbeda yang memberikan wawasan tentang pola pembelian pelanggan dan mengelompokkan mereka ke dalam segmen pelanggan yang terpisah dengan baik dan mudah ditafsirkan.
Machine Learning untuk Pemasaran dengan Python
Kursus
Selesai
