ข้ามไปยังเนื้อหาหลัก

Courses

Machine Learning for Marketing Analytics in R

ระดับกลางระดับทักษะ

อัปเดตแล้ว 05/2567

In this course you'll learn how to use data science for several common marketing tasks.

เริ่มเรียนหลักสูตรฟรี

RMachine Learning

4 ชม.

17 videos

60 Exercises

4,200 เอ็กซ์พี

13,507

คำแถลงแสดงความสำเร็จ

สร้างบัญชีฟรีของคุณ

หรือ

เมื่อดำเนินการต่อ คุณยอมรับข้อกำหนดการใช้งานของเรา นโยบายความเป็นส่วนตัวของเรา และยอมรับว่าข้อมูลของคุณจะถูกจัดเก็บไว้ในสหรัฐอเมริกา

เป็นที่ชื่นชอบของผู้เรียนในบริษัทหลายพันแห่ง

Training a Team?

Try for Business

คำอธิบายรายวิชา

This is your chance to dive into the worlds of marketing and business analytics using R. Day by day, there are a multitude of decisions that companies have to face. With the help of statistical models, you're going to be able to support the business decision-making process based on data, not your gut feeling. Let us show you what a great impact statistical modeling can have on the performance of businesses. You're going to learn about and apply strategies to communicate your results and help them make a difference.

ข้อกำหนดเบื้องต้น

Introduction to Regression in R

1

Modeling Customer Lifetime Value with Linear Regression

How can you decide which customers are most valuable for your business? Learn how to model the customer lifetime value using linear regression.

Customer lifetime value in CRM

50 เอ็กซ์พี

Benefits of knowing CLV

50 เอ็กซ์พี

Looking at data

100 เอ็กซ์พี

Simple linear regression

50 เอ็กซ์พี

Understanding residuals

50 เอ็กซ์พี

Estimating simple linear regression

100 เอ็กซ์พี

Multiple linear regression

50 เอ็กซ์พี

Avoiding multicollinearity

100 เอ็กซ์พี

Interpretation of coefficients

50 เอ็กซ์พี

Model validation, model fit, and prediction

50 เอ็กซ์พี

Interpretation of model fit

50 เอ็กซ์พี

Future predictions of sales

100 เอ็กซ์พี

เริ่มบท

2

Logistic Regression for Churn Prevention

Predicting if a customer will leave your business, or churn, is important for targeting valuable customers and retaining those who are at risk. Learn how to model customer churn using logistic regression.

Churn prevention in online marketing

50 เอ็กซ์พี

Application churn prevention

50 เอ็กซ์พี

Data discovery

100 เอ็กซ์พี

Peculiarities of the dependent variable

50 เอ็กซ์พี

Modeling and model selection

50 เอ็กซ์พี

Model specification and estimation

100 เอ็กซ์พี

Statistical significance

50 เอ็กซ์พี

Model specification

100 เอ็กซ์พี

In-sample model fit and thresholding

50 เอ็กซ์พี

In-sample fit full model

100 เอ็กซ์พี

In-sample fit restricted model

100 เอ็กซ์พี

Finding the optimal threshold

100 เอ็กซ์พี

Danger of overfitting

50 เอ็กซ์พี

Out-of-sample validation and cross validation

50 เอ็กซ์พี

Assessing out-of-sample model fit

100 เอ็กซ์พี

Cross validation

100 เอ็กซ์พี

เริ่มบท

3

Modeling Time to Reorder with Survival Analysis

Learn how to model the time to an event using survival analysis. This could be the time until next order or until a person churns.

Survival analysis: introduction

50 เอ็กซ์พี

Applications of survival analysis

50 เอ็กซ์พี

Data for survival analysis

100 เอ็กซ์พี

Characteristics of survival analysis

50 เอ็กซ์พี

Survival curve analysis by Kaplan Meier

50 เอ็กซ์พี

Survival function, hazard function and hazard rate

50 เอ็กซ์พี

The survival object

100 เอ็กซ์พี

Kaplan-Meier Analysis

100 เอ็กซ์พี

Cox PH model with constant covariates

50 เอ็กซ์พี

Proportional hazard assumption

50 เอ็กซ์พี

Cox Proportional Hazard Model

100 เอ็กซ์พี

Interpretation of coefficients

50 เอ็กซ์พี

Checking model assumptions and making predictions

50 เอ็กซ์พี

Violation of the PH assumption

50 เอ็กซ์พี

Model assumptions

100 เอ็กซ์พี

Predictions

100 เอ็กซ์พี

เริ่มบท

4

Reducing Dimensionality with Principal Component Analysis

CRM data can get very extensive. Each metric you collect could carry some interesting information about your customers. But handling a dataset with too many variables is difficult. Learn how to reduce the number of variables in your data using principal component analysis. Not only does this help to get a better understanding of your data. PCA also enables you to condense information to single indices and to solve multicollinearity problems in a regression analysis with many intercorrelated variables.

PCA for CRM data

50 เอ็กซ์พี

Purposes of PCA

50 เอ็กซ์พี

Getting to know the data

100 เอ็กซ์พี

Exploring the correlation structure

50 เอ็กซ์พี

PCA computation

50 เอ็กซ์พี

Standardization of data

50 เอ็กซ์พี

Compute a PCA

100 เอ็กซ์พี

The result object of a PCA

50 เอ็กซ์พี

Choosing the right number of principal components

50 เอ็กซ์พี

How many components are relevant?

100 เอ็กซ์พี

Interpretation of components

100 เอ็กซ์พี

Visualization with a biplot

100 เอ็กซ์พี

Principal components in a regression analysis

50 เอ็กซ์พี

Regression analysis with many variables

50 เอ็กซ์พี

Linear regression with principal components

100 เอ็กซ์พี

50 เอ็กซ์พี

เริ่มบท

Machine Learning for Marketing Analytics in R

หลักสูตรเสร็จสมบูรณ์

ได้รับใบรับรองความสำเร็จ

เพิ่มข้อมูลรับรองนี้ลงในโปรไฟล์ LinkedIn, ประวัติย่อ หรือเรซูเม่ของคุณ
แชร์ลงในโซเชียลมีเดียและในรายงานประเมินผลการปฏิบัติงานของคุณลงทะเบียนเลย

สำหรับธุรกิจ

ฝึกอบรมบุคคลตั้งแต่ 2 คนขึ้นไป?

ให้ทีมของคุณเข้าถึงแพลตฟอร์ม DataCamp แบบเต็มรูปแบบ รวมถึงฟีเจอร์ทั้งหมด

ในแทร็กต่อไปนี้

การวิเคราะห์การตลาด ใน R

instructors

Verena Pflieger

Verena Pflieger

Data Scientist at INWT Statistics

collaborators

Courses resources

Churn datadatasets

Sales datadatasets

Sales data, months 2-4datasets

Survival datadatasets

Default datadatasets

News datadatasets

First CLV datasetdatasets

Second CLV datasetdatasets

Customer datadatasets

เข้าร่วมกับ... 19 ล้านผู้เรียน และเริ่ม Machine Learning for Marketing Analytics in R วันนี้เลย!

สร้างบัญชีฟรีของคุณ

หรือ

เมื่อดำเนินการต่อ คุณยอมรับข้อกำหนดการใช้งานของเรา นโยบายความเป็นส่วนตัวของเรา และยอมรับว่าข้อมูลของคุณจะถูกจัดเก็บไว้ในสหรัฐอเมริกา

พัฒนาทักษะด้านข้อมูลของคุณด้วย DataCamp for Mobile

พัฒนาทักษะได้ทุกที่ทุกเวลาด้วยคอร์สเรียนบนมือถือและแบบฝึกหัดเขียนโค้ดประจำวัน 5 นาทีของเรา