Build your ultimate AI agent
Descrição do curso
As empresas mais bem-sucedidas hoje são aquelas que conhecem tão bem seus clientes que conseguem antecipar suas necessidades. Analistas de dados têm um papel fundamental para revelar esses insights profundos e segmentar os clientes para atendê-los melhor. Neste curso, você vai aprender técnicas reais de segmentação de clientes e análise de comportamento, usando um conjunto de dados verdadeiro com transações anonimizadas de clientes de um varejista online. Primeiro, você fará uma análise de coortes para entender as tendências dos clientes. Em seguida, vai aprender a construir segmentos de clientes fáceis de interpretar. Além disso, você vai preparar os segmentos que criou, deixando-os prontos para Machine Learning. Por fim, você tornará seus segmentos mais robustos com k-means clustering, em apenas algumas linhas de código! Ao final do curso, você será capaz de aplicar técnicas práticas de análise de comportamento do cliente e segmentação.
Pré-requisitos
Programa de estudos
Conteúdo do curso
1
Análise de Coortes
Neste primeiro capítulo, você vai aprender sobre coortes e como analisá-las. Você vai criar suas próprias coortes de clientes, obter algumas métricas e visualizar seus resultados.
- Introdução à análise de coortes50 XP
- Quantos clientes foram adquiridos?50 XP
- Análise de cohortes50 XP
- Definir coorte de aquisição diária100 XP
- Calcular deslocamento de tempo em dias - parte 1100 XP
- Calcular deslocamento de tempo em dias - parte 2100 XP
- Métricas de coorte50 XP
- Retenção de clientes50 XP
- Calcule a taxa de retenção do zero100 XP
- Calcular preço médio100 XP
- Visualizando a análise de coorte50 XP
- Visualizar a métrica de quantidade média100 XP
2
Análise de Recência, Frequência e Valor Monetário
Neste segundo capítulo, você vai aprender sobre segmentos de clientes. Especificamente, você verá recência, frequência e valor monetário, criará segmentos de clientes com base nesses conceitos e analisará seus resultados.
3
Pré-processamento de Dados para Agrupamento
Depois de criar alguns segmentos, você vai querer fazer previsões. Porém, antes é preciso dominar métodos práticos de preparação de dados para garantir que seu algoritmo de k-means revele segmentos bem separados e coerentes.
4
Segmentação de Clientes com K-means
Neste capítulo final, você usará os dados que pré-processou no Capítulo 3 para identificar clusters de clientes com base em recência, frequência e valor monetário.
Segmentação de Clientes em Python
Curso
concluído
