Po ukończeniu tych kursów czuję się pewnie w tworzeniu profesjonalnych wizualizacji i pulpitów nawigacyjnych
Shoebur RahmanSpecjalista ds. zakupów, Giz Bangladesh
Opis kursu
Uczenie maszynowe i zastosowania metod statystycznych w marketingu na zawsze zmieniły tę dziedzinę. Uczenie maszynowe służy dziś do optymalizacji ścieżek klientów, zwiększając ich satysfakcję i wartość życiową. Ten kurs wyposaży cię w podstawowe narzędzia, które możesz od razu zastosować, by udoskonalić strategię marketingową swojej firmy. Nauczysz się, jak przewidywać odpływ klientów i interpretować jego przyczyny, mierzyć oraz prognozować wartość życiową klientów, a także budować segmenty klientów na podstawie wzorców zakupowych. Wykorzystasz dane klientów firmy telekomunikacyjnej do prognozowania odpływu, zbudujesz zbiór danych RFM (recency-frequency-monetary) na podstawie danych sprzedawcy internetowego oraz stworzysz segmenty klientów w oparciu o dane zakupowe ze sklepu spożywczego.
Wymagania wstępne
Program nauczania
Plan kursu
1
Podstawy uczenia maszynowego w marketingu
W tym rozdziale poznasz podstawy metod uczenia maszynowego stosowanych w marketingu. Dowiesz się, czym różnią się poszczególne rodzaje uczenia maszynowego, jak przygotować dane oraz uruchomisz kilka kompletnych modeli, by zobaczyć, jak wiele potrafią.
- Dlaczego warto stosować uczenie maszynowe w marketingu? Strategie i przykłady zastosowań50 XP
- Rozpoznaj przykłady uczenia nadzorowanego50 XP
- Uczenie nadzorowane a uczenie nienadzorowane100 XP
- Przygotowanie do modelowania50 XP
- Analiza danych100 XP
- Rozdzielanie kolumn numerycznych i kategorycznych100 XP
- Kodowanie zmiennych kategorycznych i skalowanie zmiennych numerycznych100 XP
- Etapy modelowania w uczeniu maszynowym50 XP
- Podział danych na zbiór treningowy i testowy100 XP
- Dopasuj drzewo decyzyjne100 XP
- Przewidywanie odpływu klientów za pomocą drzewa decyzyjnego100 XP
2
Prognozowanie odpływu klientów i jego przyczyny
W tym rozdziale poznasz podstawy prognozowania odpływu klientów, a następnie dopasуjesz modele regresji logistycznej i drzewa decyzyjnego do przewidywania odpływu. Na koniec przeanalizujesz wyniki i wyciągniesz wnioski na temat czynników wpływających na odpływ.
3
Prognozowanie wartości życiowej klienta (CLV)
W tym rozdziale poznasz podstawy wartości życiowej klienta (CLV) i różne metody jej obliczania. Zdobytą wiedzę wykorzystasz do budowania cech zakupowych na poziomie klienta, aby prognozować liczbę transakcji w kolejnym miesiącu za pomocą regresji liniowej.
4
Segmentacja klientów
Ten ostatni rozdział poświęcony jest segmentacji klientów na podstawie historii zakupów. Poznasz dwa różne modele, które pozwalają zrozumieć wzorce zakupowe klientów i grupować ich w wyraźnie wyodrębnione, łatwe do interpretacji segmenty.
Uczenie maszynowe w marketingu w Pythonie
Kurs
ukończony
