After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Cursusbeschrijving
De opkomst van machine learning (klinkt bijna als "rise of the machines", toch?) en het toepassen van statistische methoden op marketing hebben het vakgebied voorgoed veranderd. Machine learning wordt ingezet om customer journeys te optimaliseren, zodat klanttevredenheid en customer lifetime value maximaal zijn. In deze cursus krijg je de basisinstrumenten die je meteen kunt toepassen om de marketingstrategie van je bedrijf te verbeteren. Je leert verschillende technieken gebruiken om klantverloop (churn) te voorspellen en de drijvende factoren te interpreteren, customer lifetime value te meten en te voorspellen, en tot slot klantsegmenten te bouwen op basis van aankoopgedrag. Je werkt met klantdata van een telecombedrijf om churn te voorspellen, stelt een recency-frequency-monetary-gegevensset samen van een online retailer voor CLV-voorspelling, en bouwt klantsegmenten op basis van aankoopdata van een supermarkt.
Vereisten
Curriculum
Cursusoverzicht
1
Basis van machine learning voor marketing
In dit hoofdstuk verken je de basis van machine-learningmethoden die in marketing worden gebruikt. Je leert over verschillende typen machine learning, stappen voor datapreparatie, en je voert meerdere end-to-endmodellen uit om hun kracht te ervaren.
- Waarom ML gebruiken voor marketing? Strategieën en use cases50 XP
- Voorbeelden van supervised learning herkennen50 XP
- Supervised vs. unsupervised learning100 XP
- Voorbereiding op modelleren50 XP
- Onderzoek de data100 XP
- Numerieke en categorische kolommen scheiden100 XP
- Categorische variabelen encoden en numerieke variabelen schalen100 XP
- Stappen voor ML-modellering50 XP
- Data splitsen in training en testing100 XP
- Train een decision tree100 XP
- Voorspel churn met een decision tree100 XP
2
Churn-voorspelling en drijvers
In dit hoofdstuk leer je de basis van churn-voorspelling en pas je vervolgens logistische regressie- en beslisboommodellen toe om churn te voorspellen. Tot slot verken je de resultaten en haal je inzichten op over wat de drijvende factoren achter churn zijn.
3
Customer Lifetime Value (CLV) voorspellen
In dit hoofdstuk leer je de basis van Customer Lifetime Value (CLV) en de verschillende berekeningsmethoden. Je gebruikt deze kennis om aankoopkenmerken op klantniveau te bouwen en de transacties van volgende maand te voorspellen met lineaire regressie.
4
Klantsegmentatie
In dit laatste hoofdstuk duik je in klantsegmentatie op basis van aankoopgeschiedenis. Je verkent twee verschillende modellen die inzicht geven in koop patronen van klanten en ze indelen in duidelijk gescheiden en goed interpreteerbare klantsegmenten.
Machine Learning voor marketing in Python
Cursus
voltooid
