Depois de fazer esses cursos, sinto-me confiante para criar visualizações e painéis profissionais
Shoebur RahmanEspecialista em compras, Giz Bangladesh
Descrição do curso
Esta é a sua chance de mergulhar nos mundos de marketing e analytics de negócios usando R. No dia a dia, as empresas enfrentam uma infinidade de decisões. Com a ajuda de modelos estatísticos, você vai conseguir apoiar o processo de tomada de decisão com base em dados, não em intuição. Vamos mostrar o grande impacto que a modelagem estatística pode ter no desempenho dos negócios. Você vai aprender e aplicar estratégias para comunicar seus resultados e ajudar a gerar impacto.
Pré-requisitos
Programa de estudos
Conteúdo do curso
1
Modelando o Valor do Ciclo de Vida do Cliente com Regressão Linear
Como decidir quais clientes são mais valiosos para o seu negócio? Aprenda a modelar o valor do ciclo de vida do cliente usando regressão linear.
- Valor do tempo de vida do cliente em CRM50 XP
- Benefícios de conhecer o CLV50 XP
- Explorando os dados100 XP
- Regressão linear simples50 XP
- Entendendo resíduos50 XP
- Estimando regressão linear simples100 XP
- Regressão linear múltipla50 XP
- Evitando multicolinearidade100 XP
- Interpretação de coeficientes50 XP
- Validação do modelo, ajuste do modelo e previsão50 XP
- Interpretação do ajuste do modelo50 XP
- Previsões futuras de vendas100 XP
2
Regressão Logística para Prevenção de Churn
Prever se um cliente vai deixar sua empresa (churn) é importante para direcionar clientes valiosos e reter aqueles que estão em risco. Aprenda a modelar churn de clientes usando regressão logística.
3
Modelando o Tempo até o Reabastecimento com Análise de Sobrevivência
Aprenda a modelar o tempo até um evento usando análise de sobrevivência. Isso pode ser o tempo até o próximo pedido ou até uma pessoa gerar churn.
4
Reduzindo Dimensionalidade com Análise de Componentes Principais
Dados de CRM podem ser muito extensos. Cada métrica coletada pode trazer informações interessantes sobre seus clientes. Mas lidar com um conjunto de dados com variáveis demais é difícil. Aprenda a reduzir o número de variáveis nos seus dados usando análise de componentes principais. Isso não apenas ajuda a entender melhor seus dados. A PCA também permite condensar informações em índices únicos e resolver problemas de multicolinearidade em uma regressão com muitas variáveis intercorrelacionadas.
R
Machine Learning for Marketing Analytics in R
Curso
concluído
