После прохождения этих курсов я уверенно создаю профессиональные визуализации и дашборды.
Shoebur RahmanСпециалист по закупкам, Giz Bangladesh
Описание курса
Это ваша возможность погрузиться в мир маркетинговой и бизнес-аналитики с помощью R. Каждый день компании сталкиваются с множеством решений. Благодаря статистическим моделям вы сможете поддерживать процесс принятия бизнес-решений, опираясь на данные, а не на интуицию. Мы покажем вам, какое значительное влияние статистическое моделирование может оказать на эффективность бизнеса. Вы узнаете, как грамотно представлять результаты анализа и использовать их для реальных изменений.
Предварительные требования
Программа
План курса
1
Моделирование пожизненной ценности клиента с помощью линейной регрессии
Как определить, какие клиенты наиболее ценны для вашего бизнеса? Научитесь моделировать пожизненную ценность клиента с помощью линейной регрессии.
- Пожизненная ценность клиента в CRM50 XP
- Преимущества знания CLV50 XP
- Знакомство с данными100 XP
- Простая линейная регрессия50 XP
- Понимание остатков50 XP
- Оценка простой линейной регрессии100 XP
- Множественная линейная регрессия50 XP
- Устранение мультиколлинеарности100 XP
- Интерпретация коэффициентов50 XP
- Валидация модели, оценка качества и прогнозирование50 XP
- Интерпретация качества подгонки модели50 XP
- Прогнозирование будущих продаж100 XP
2
Логистическая регрессия для предотвращения оттока клиентов
Прогнозирование оттока клиентов — важная задача для выявления ценных покупателей и удержания тех, кто находится в зоне риска. Научитесь моделировать отток клиентов с помощью логистической регрессии.
3
Моделирование времени до повторного заказа с помощью анализа выживаемости
Научитесь моделировать время до наступления события с помощью анализа выживаемости. Это может быть время до следующего заказа или до момента, когда клиент уходит.
4
Снижение размерности с помощью метода главных компонент
CRM-данные могут быть очень объёмными. Каждый собранный показатель может содержать полезную информацию о ваших клиентах. Однако работать с набором данных, включающим слишком много переменных, сложно. Научитесь сокращать количество переменных с помощью метода главных компонент. Это не только помогает лучше понять данные: метод главных компонент также позволяет свернуть информацию в единые индексы и устранить проблему мультиколлинеарности в регрессионном анализе с большим числом взаимосвязанных переменных.
R
Машинное обучение для маркетинговой аналитики на R
Курс
завершён
