Build your ultimate AI agent
รายละเอียดคอร์ส
บริษัทที่ประสบความสำเร็จมากที่สุดในปัจจุบันคือบริษัทที่รู้จักลูกค้าของตนเป็นอย่างดี จนสามารถคาดการณ์ความต้องการได้ล่วงหน้า นักวิเคราะห์ข้อมูลมีบทบาทสำคัญในการค้นหาข้อมูลเชิงลึกเหล่านี้ และในการแบ่งกลุ่มลูกค้าเพื่อให้บริการได้ตรงจุดยิ่งขึ้น ในคอร์สนี้ จะได้เรียนรู้เทคนิคการแบ่งกลุ่มลูกค้าและการวิเคราะห์พฤติกรรมที่ใช้งานได้จริง โดยอิงจากชุดข้อมูลจริงที่ประกอบด้วยธุรกรรมของลูกค้าที่ผ่านการปกปิดข้อมูลส่วนตัวจากร้านค้าออนไลน์แห่งหนึ่ง จะเริ่มจากการวิเคราะห์กลุ่มลูกค้า (cohort analysis) เพื่อทำความเข้าใจแนวโน้มของลูกค้า จากนั้นเรียนรู้วิธีสร้างกลุ่มลูกค้าที่เข้าใจง่าย รวมถึงเตรียมกลุ่มที่สร้างขึ้นให้พร้อมสำหรับการใช้งานกับ machine learning และสุดท้าย จะยกระดับการแบ่งกลุ่มให้มีประสิทธิภาพมากขึ้นด้วย k-means clustering เพียงไม่กี่บรรทัดโค้ด เมื่อจบคอร์สนี้แล้ว จะสามารถนำเทคนิคการวิเคราะห์พฤติกรรมและการแบ่งกลุ่มลูกค้าไปประยุกต์ใช้งานได้จริง
ข้อกำหนดเบื้องต้น
หลักสูตร
โครงสร้างคอร์ส
1
Cohort Analysis
ในบทแรกนี้ จะได้เรียนรู้เกี่ยวกับ cohort และวิธีวิเคราะห์ข้อมูล รวมถึงการสร้าง cohort ของลูกค้า การคำนวณเมตริกต่างๆ และการแสดงผลลัพธ์ในรูปแบบภาพ
- การวิเคราะห์กลุ่มลูกค้าเบื้องต้น50 XP
- มีลูกค้าใหม่กี่ราย?50 XP
- Cohort Analysis50 XP
- กำหนด Cohort การได้มาซึ่งลูกค้ารายวัน100 XP
- คำนวณค่า offset ของเวลาในหน่วยวัน - ส่วนที่ 1100 XP
- คำนวณ time offset เป็นจำนวนวัน - ส่วนที่ 2100 XP
- เมตริกของโคฮอร์ต50 XP
- การรักษาลูกค้า (Customer Retention)50 XP
- คำนวณ Retention Rate ด้วยตัวเอง100 XP
- คำนวณราคาเฉลี่ย100 XP
- การแสดงภาพผลการวิเคราะห์ Cohort50 XP
- แสดงภาพ Metric ค่าเฉลี่ยปริมาณสินค้า100 XP
2
การวิเคราะห์ Recency, Frequency และ Monetary Value
ในบทที่สองนี้ จะได้เรียนรู้เกี่ยวกับการแบ่งกลุ่มลูกค้า โดยเฉพาะแนวคิดเรื่อง recency, frequency และ monetary value การสร้างกลุ่มลูกค้าจากแนวคิดเหล่านี้ และการวิเคราะห์ผลลัพธ์ที่ได้
3
การเตรียมข้อมูลสำหรับ Clustering
เมื่อสร้างกลุ่มลูกค้าได้แล้ว ขั้นตอนต่อไปคือการทำนายผล อย่างไรก็ตาม จำเป็นต้องเรียนรู้วิธีเตรียมข้อมูลให้พร้อมก่อน เพื่อให้อัลกอริทึม k-means clustering สามารถค้นหากลุ่มที่มีความแตกต่างชัดเจนและสมเหตุสมผลได้
4
การแบ่งกลุ่มลูกค้าด้วย K-means
ในบทสุดท้ายนี้ จะนำข้อมูลที่เตรียมไว้ในบทที่ 3 มาใช้ระบุกลุ่มลูกค้าตาม recency, frequency และ monetary value
การแบ่งกลุ่มลูกค้าด้วย Python
เรียนจบแล้ว

