Vai al contenuto principale

Corso

Machine Learning per il Marketing Analytics in R

IntermedioLivello di competenza

Aggiornato 05/2024

In questo corso imparerai come usare la scienza dei dati per diverse attività di marketing comuni.

Inizia Il Corso Gratis

RMachine Learning4 h17 video60 Esercizi4,200 XP13,482Attestato di conseguimento

Crea il tuo account gratuito

o

Continuando, accetti i nostri Termini di utilizzo, la nostra Informativa sulla privacy e che i tuoi dati siano conservati negli Stati Uniti.

Preferito dagli studenti di migliaia di aziende

Vuoi formare 2 o più persone?

Prova DataCamp for Business

Descrizione del corso

Questa è la tua occasione per esplorare i mondi del marketing e della business analytics con R. Ogni giorno le aziende devono affrontare una moltitudine di decisioni. Con l’aiuto di modelli statistici, potrai supportare il processo decisionale basato sui dati, non sull’intuito. Ti mostreremo l’enorme impatto che la modellazione statistica può avere sulle performance aziendali. Imparerai a comunicare i risultati in modo efficace e ad applicare strategie che facciano davvero la differenza.

Prerequisiti

Introduction to Regression in R

1

Modeling Customer Lifetime Value with Linear Regression

How can you decide which customers are most valuable for your business? Learn how to model the customer lifetime value using linear regression.

Customer lifetime value in CRM

Benefits of knowing CLV

Looking at data

Simple linear regression

Understanding residuals

Estimating simple linear regression

Multiple linear regression

Avoiding multicollinearity

Interpretation of coefficients

Model validation, model fit, and prediction

Interpretation of model fit

Future predictions of sales

Inizia Il Capitolo

2

Logistic Regression for Churn Prevention

Predicting if a customer will leave your business, or churn, is important for targeting valuable customers and retaining those who are at risk. Learn how to model customer churn using logistic regression.

Churn prevention in online marketing

Application churn prevention

Data discovery

Peculiarities of the dependent variable

Modeling and model selection

Model specification and estimation

Statistical significance

Model specification

In-sample model fit and thresholding

In-sample fit full model

In-sample fit restricted model

Finding the optimal threshold

Danger of overfitting

Out-of-sample validation and cross validation

Assessing out-of-sample model fit

Cross validation

Inizia Il Capitolo

3

Modeling Time to Reorder with Survival Analysis

Learn how to model the time to an event using survival analysis. This could be the time until next order or until a person churns.

Survival analysis: introduction

Applications of survival analysis

Data for survival analysis

Characteristics of survival analysis

Survival curve analysis by Kaplan Meier

Survival function, hazard function and hazard rate

The survival object

Kaplan-Meier Analysis

Cox PH model with constant covariates

Proportional hazard assumption

Cox Proportional Hazard Model

Interpretation of coefficients

Checking model assumptions and making predictions

Violation of the PH assumption

Model assumptions

Predictions

Inizia Il Capitolo

4

Reducing Dimensionality with Principal Component Analysis

CRM data can get very extensive. Each metric you collect could carry some interesting information about your customers. But handling a dataset with too many variables is difficult. Learn how to reduce the number of variables in your data using principal component analysis. Not only does this help to get a better understanding of your data. PCA also enables you to condense information to single indices and to solve multicollinearity problems in a regression analysis with many intercorrelated variables.

PCA for CRM data

Purposes of PCA

Getting to know the data

Exploring the correlation structure

PCA computation

Standardization of data

Compute a PCA

The result object of a PCA

Choosing the right number of principal components

How many components are relevant?

Interpretation of components

Visualization with a biplot

Principal components in a regression analysis

Regression analysis with many variables

Linear regression with principal components

Inizia Il Capitolo

Machine Learning per il Marketing Analytics in R

Corso
completato

Ottieni Attestato di conseguimento

Aggiungi questa certificazione al tuo profilo LinkedIn, al curriculum o al CV
Condividila sui social e nella valutazione delle tue performanceIscriviti Ora

Unisciti a oltre 19 milioni di studenti e inizia Machine Learning per il Marketing Analytics in R oggi!

Crea il tuo account gratuito

o

Continuando, accetti i nostri Termini di utilizzo, la nostra Informativa sulla privacy e che i tuoi dati siano conservati negli Stati Uniti.

Aumenta le tue competenze sui dati con l'app di DataCamp

Avanza ovunque ti trovi con i nostri corsi per dispositivi mobili e le nostre sfide di programmazione quotidiane da 5 minuti.