Build your ultimate AI agent
รายละเอียดคอร์ส
นี่คือโอกาสที่จะเจาะลึกโลกของการวิเคราะห์การตลาดและธุรกิจด้วย R ในแต่ละวัน บริษัทต้องเผชิญกับการตัดสินใจมากมาย ด้วยความช่วยเหลือของโมเดลทางสถิติ คุณจะสามารถสนับสนุนกระบวนการตัดสินใจทางธุรกิจโดยอาศัยข้อมูล ไม่ใช่ความรู้สึก มาดูกันว่าการสร้างแบบจำลองทางสถิติส่งผลต่อประสิทธิภาพของธุรกิจได้มากเพียงใด พร้อมเรียนรู้กลยุทธ์ในการสื่อสารผลลัพธ์เพื่อสร้างความเปลี่ยนแปลงที่แท้จริง
ข้อกำหนดเบื้องต้น
หลักสูตร
โครงสร้างคอร์ส
1
การสร้างแบบจำลอง Customer Lifetime Value ด้วย Linear Regression
จะรู้ได้อย่างไรว่าลูกค้าคนใดมีคุณค่าสูงสุดต่อธุรกิจ เรียนรู้วิธีสร้างแบบจำลอง Customer Lifetime Value โดยใช้ Linear Regression
- มูลค่าตลอดช่วงชีวิตลูกค้าใน CRM50 XP
- ประโยชน์ของการรู้จัก CLV50 XP
- สำรวจข้อมูล100 XP
- การถดถอยเชิงเส้นอย่างง่าย50 XP
- ทำความเข้าใจค่าตกค้าง50 XP
- การประมาณค่าการถดถอยเชิงเส้นอย่างง่าย100 XP
- การถดถอยเชิงเส้นพหุคูณ50 XP
- การหลีกเลี่ยง Multicollinearity100 XP
- การแปลความหมายของค่าสัมประสิทธิ์50 XP
- การตรวจสอบโมเดล ความเหมาะสมของโมเดล และการทำนาย50 XP
- การตีความความเหมาะสมของโมเดล50 XP
- การพยากรณ์ยอดขายในอนาคต100 XP
2
Logistic Regression สำหรับการป้องกัน Churn
การพยากรณ์ว่าลูกค้าจะเลิกใช้บริการหรือเกิด Churn นั้นสำคัญมากสำหรับการกำหนดเป้าหมายลูกค้าที่มีคุณค่าและรักษาลูกค้าที่มีความเสี่ยง เรียนรู้วิธีสร้างแบบจำลอง Customer Churn โดยใช้ Logistic Regression
3
การสร้างแบบจำลองเวลาก่อนสั่งซื้อซ้ำด้วย Survival Analysis
เรียนรู้วิธีสร้างแบบจำลองเวลาจนถึงเหตุการณ์หนึ่งโดยใช้ Survival Analysis ไม่ว่าจะเป็นเวลาจนถึงการสั่งซื้อครั้งถัดไป หรือเวลาจนกว่าลูกค้าจะเลิกใช้บริการ
4
การลดมิติข้อมูลด้วย Principal Component Analysis
ข้อมูล CRM อาจมีขนาดใหญ่มาก แต่ละตัวชี้วัดที่เก็บรวบรวมอาจมีข้อมูลเชิงลึกเกี่ยวกับลูกค้า อย่างไรก็ตาม การจัดการชุดข้อมูลที่มีตัวแปรจำนวนมากเป็นเรื่องยาก เรียนรู้วิธีลดจำนวนตัวแปรในข้อมูลโดยใช้ Principal Component Analysis ซึ่งไม่เพียงช่วยให้เข้าใจข้อมูลได้ดีขึ้น PCA ยังช่วยบีบอัดข้อมูลให้เป็นดัชนีเดียว และแก้ปัญหา Multicollinearity ในการวิเคราะห์ถดถอยที่มีตัวแปรหลายตัวสัมพันธ์กัน
R
Machine Learning for Marketing Analytics ใน R
เรียนจบแล้ว
