After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Descrizione del corso
L'ascesa del Machine Learning (suona quasi come "ascesa delle macchine"?) e l'applicazione di metodi statistici al marketing hanno cambiato per sempre questo ambito. Il Machine Learning viene utilizzato per ottimizzare i customer journey massimizzando la soddisfazione e il valore nel tempo. Questo corso ti fornirà gli strumenti di base che potrai applicare subito per migliorare la strategia di marketing della tua azienda. Imparerai a usare diverse tecniche per prevedere il churn dei clienti e interpretarne i fattori, misurare e prevedere il Customer Lifetime Value, e infine costruire segmenti di clienti basati sui loro schemi di acquisto. Utilizzerai dati clienti di un'azienda di telecomunicazioni per prevedere il churn, costruirai un insieme di dati recency-frequency-monetary da un rivenditore online per la previsione del Customer Lifetime Value e creerai segmenti di clienti a partire dai dati di acquisto di un negozio di alimentari.
Prerequisiti
Curriculum
Programma del corso
1
Fondamenti di Machine Learning per il marketing
In questo capitolo esplorerai le basi dei metodi di Machine Learning usati nel marketing. Conoscerai i diversi tipi di Machine Learning, i passaggi di preparazione dei dati e lancerai diversi modelli end-to-end per comprenderne il potenziale.
- Perché usare il Machine Learning nel marketing? Strategie e casi d’uso50 XP
- Riconosci esempi di supervised learning50 XP
- Supervised vs. unsupervised learning100 XP
- Preparazione al modeling50 XP
- Esplora i dati100 XP
- Separa colonne numeriche e categoriche100 XP
- Codifica le variabili categoriali e scala quelle numeriche100 XP
- Fasi di modellazione ML50 XP
- Suddividi i dati in training e testing100 XP
- Allena un albero decisionale100 XP
- Predire il churn con un albero decisionale100 XP
2
Previsione del churn e fattori determinanti
In questo capitolo imparerai le nozioni fondamentali sulla previsione del churn, quindi adatterai modelli di regressione logistica e alberi decisionali per prevedere il churn. Infine, esplorerai i risultati ed estrarrai insight su quali siano i fattori alla base del churn.
3
Previsione del Customer Lifetime Value (CLV)
In questo capitolo imparerai le basi del Customer Lifetime Value (CLV) e le sue diverse metodologie di calcolo. Metterai a frutto queste conoscenze per creare feature di acquisto a livello cliente e prevedere le transazioni del mese successivo con la regressione lineare.
4
Segmentazione dei clienti
Questo capitolo finale approfondisce la segmentazione dei clienti basata sulla cronologia degli acquisti. Esplorerai due modelli diversi che offrono insight sui modelli di acquisto dei clienti e li raggruppano in segmenti ben separati e interpretabili.
Machine Learning per il marketing con Python
Corso
completato
