Dopo aver seguito questi corsi, mi sento sicuro nel creare visualizzazioni e dashboard professionali
Shoebur RahmanSpecialista degli acquisti, Giz Bangladesh
Descrizione del corso
Le aziende di maggior successo oggi sono quelle che conoscono così bene i propri clienti da anticiparne i bisogni. I data analyst hanno un ruolo chiave nello sbloccare queste analisi approfondite e nel segmentare i clienti per servirli meglio. In questo corso imparerai tecniche reali di customer segmentation e behavioral analytics, usando un vero insieme di dati con transazioni anonimizzate di un retailer online. Per iniziare, eseguirai un’analisi di coorte per capire le tendenze dei clienti. Poi imparerai a creare segmenti di clienti facili da interpretare. Inoltre, preparerai i segmenti creati per renderli pronti per il Machine Learning. Infine, potenzierai i tuoi segmenti con il clustering k-means, in poche righe di codice! Al termine del corso saprai applicare tecniche pratiche di behavioral analytics e segmentazione dei clienti.
Prerequisiti
Programma
Struttura del corso
1
Analisi di coorte
In questo primo capitolo scoprirai cosa sono le coorti e come analizzarle. Creerai le tue coorti di clienti, calcolerai alcune metriche e visualizzerai i risultati.
- Introduzione all'analisi per coorti50 XP
- Quanti clienti acquisiti?50 XP
- Analisi delle coorti50 XP
- Assegna la coorte di acquisizione giornaliera100 XP
- Calcolare lo scostamento temporale in giorni - parte 1100 XP
- Calcola lo scostamento temporale in giorni - parte 2100 XP
- Metriche di coorte50 XP
- Customer retention50 XP
- Calcola il tasso di retention da zero100 XP
- Calcola il prezzo medio100 XP
- Visualizzare l'analisi per coorti50 XP
- Visualizza la metrica della quantità media100 XP
2
Analisi di Recency, Frequency e Monetary Value
In questo secondo capitolo parleremo dei segmenti di clienti. In particolare, conoscerai recency, frequency e monetary value, creerai segmenti basati su questi concetti e analizzerai i risultati.
3
Preprocessing dei dati per il clustering
Dopo aver creato alcuni segmenti, vorrai fare previsioni. Tuttavia, prima devi padroneggiare metodi pratici di preparazione dei dati per assicurarti che il tuo algoritmo di clustering k-means individui segmenti ben separati e sensati.
4
Customer Segmentation con k-means
In questo capitolo finale userai i dati pre-processati nel Capitolo 3 per identificare gruppi di clienti in base a recency, frequency e monetary value.
Customer Segmentation in Python
Corso
completato
