After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Опис курсу
Стрімкий розвиток машинного навчання (майже як «повстання машин»?) і застосування статистичних методів у маркетингу назавжди змінили цю сферу. Машинне навчання використовують для оптимізації користувацьких шляхів, щоб максимізувати задоволеність клієнтів і їхню довічну цінність. Цей курс дасть вам базові інструменти, які ви зможете одразу застосувати для вдосконалення маркетингової стратегії вашої компанії. Ви дізнаєтеся, як використовувати різні підходи для прогнозування відтоку клієнтів і тлумачення його чинників, як вимірювати та прогнозувати довічну цінність клієнта, а також як будувати сегменти клієнтів за їхніми моделями покупок. Ви працюватимете з даними телеком-компанії для прогнозування відтоку, створите набір даних recency-frequency-monetary з онлайн-ритейлера для прогнозування довічної цінності клієнта та побудуєте сегменти клієнтів на основі даних про покупки з продуктового магазину.
Попередні вимоги
Навчальний план
Зміст курсу
1
Основи Machine Learning для маркетингу
У цьому розділі ви ознайомитеся з основами методів машинного навчання, які застосовують у маркетингу. Ви дізнаєтеся про різні типи машинного навчання, кроки підготовки даних і запустите кілька наскрізних моделей, щоб відчути їхні можливості.
- Навіщо використовувати ML у маркетингу? Стратегії та приклади застосування50 XP
- Визначте приклади навчання з учителем50 XP
- Кероване vs. некероване навчання100 XP
- Підготовка до моделювання50 XP
- Дослідіть дані100 XP
- Відокремлення числових і категоріальних стовпців100 XP
- Кодуйте категоріальні змінні та масштабуйте числові100 XP
- Кроки моделювання в ML50 XP
- Розбийте дані на тренувальну та тестову вибірки100 XP
- Навчіть дерево рішень100 XP
- Прогнозування відтоку за допомогою дерева рішень100 XP
2
Прогнозування відтоку та його чинники
У цьому розділі ви вивчите основи прогнозування відтоку, а далі навчите логістичну регресію та дерева рішень для передбачення відтоку. Нарешті, ви проаналізуєте результати та виокремите інсайти щодо чинників, які спричиняють відтік.
3
Прогнозування довічної цінності клієнта (CLV)
У цьому розділі ви опануєте основи довічної цінності клієнта (CLV) та різні методики її обчислення. Використаєте ці знання, щоб створити на рівні клієнта ознаки покупок і за допомогою лінійної регресії передбачити транзакції наступного місяця.
4
Сегментація клієнтів
У фінальному розділі ми зануримося в сегментацію клієнтів на основі історії їхніх покупок. Ви розглянете дві різні моделі, що дають уявлення про патерни купівельної поведінки та групують клієнтів у чітко відокремлені й інтерпретовані сегменти.
Machine Learning для маркетингу в Python
Курс
завершено
