Build your ultimate AI agent
Описание курса
Машинное обучение и применение статистических методов в маркетинге кардинально изменили эту сферу. Сегодня машинное обучение используется для оптимизации клиентского пути, повышения удовлетворённости и пожизненной ценности клиента. Этот курс даст вам базовые инструменты, которые вы сможете сразу применить для улучшения маркетинговой стратегии компании. Вы научитесь прогнозировать отток клиентов и выявлять его причины, измерять и предсказывать пожизненную ценность клиента, а также строить клиентские сегменты на основе истории покупок. В работе вы будете использовать данные клиентов телекоммуникационной компании для прогнозирования оттока, формировать набор данных по давности, частоте и сумме покупок на основе данных онлайн-ретейлера, а также сегментировать покупателей продуктового магазина.
Предварительные требования
Программа
Структура курса
1
Основы машинного обучения для маркетинга
В этой главе вы познакомитесь с основами методов машинного обучения, применяемых в маркетинге. Вы узнаете о различных типах машинного обучения, этапах подготовки данных и запустите несколько сквозных моделей, чтобы оценить их возможности.
- Зачем использовать машинное обучение в маркетинге? Стратегии и сценарии применения50 XP
- Определите примеры обучения с учителем50 XP
- Обучение с учителем и без учителя100 XP
- Подготовка к моделированию50 XP
- Исследование данных100 XP
- Разделение числовых и категориальных столбцов100 XP
- Кодирование категориальных и масштабирование числовых переменных100 XP
- Этапы построения модели машинного обучения50 XP
- Разделение данных на обучающую и тестовую выборки100 XP
- Обучение дерева решений100 XP
- Прогнозирование оттока с помощью дерева решений100 XP
2
Прогнозирование оттока клиентов и анализ его причин
В этой главе вы освоите основы прогнозирования оттока клиентов, обучите модели логистической регрессии и дерева решений для его предсказания, а затем проанализируете результаты и выявите ключевые факторы, влияющие на отток.
3
Прогнозирование пожизненной ценности клиента (CLV)
В этой главе вы познакомитесь с основами пожизненной ценности клиента (CLV) и методами её расчёта. Полученные знания вы примените на практике: построите признаки на уровне отдельного клиента и спрогнозируете количество транзакций в следующем месяце с помощью линейной регрессии.
4
Сегментация клиентов
Заключительная глава посвящена сегментации клиентов на основе истории покупок. Вы изучите две модели, которые позволяют выявить закономерности в покупательском поведении и объединить клиентов в чётко разграниченные и интерпретируемые сегменты.
Машинное обучение для маркетинга на Python
Курс
завершён
