Ευχαριστούμε που στάλθηκε η αποσαφήνισή σας! Ένα μέλος της ομάδου μας θα επικοινωνήσει μαζί σας σύντομα.
Ευχαριστούμε για την εκδήλωση κράτησης! Ένας από τους συνεργάτες μας θα επικοινωνήσει μαζί σας σύντομα.
Εξέλιξη Κομματιού
Μέρος 1: Εισήγμενο - εξυπηρέτηση νέων πελατών
O στόχος μας είναι το άμεσο marketing, οπότε δεν θα ασχοληθούμε με καμπάνιες διαφήμισης αλλά θα εστιάσουμε στην κατανόηση των marketing καμπάνιών (π.χ. υποστροφική διαφήμιση). Αυτό είναι η βάση για σχεδόν όλα τα υπόλοιπα του μαθήματος. Εξετάζουμε τη μέτρηση και βελτίωση της αποδοτικότητας των καμπάνιών, συμπεριλαμβανομένων:
- Η σημασία των ελεγχόμενων ομάδων. Γενικής χρήσης ελεγχόμενη ομάδα.
- Τεχνικές: Lift curves, AUC
- Απόδοση στην επένδυση. Βελτίωση του marketing budget.
Μέρος 2: Διαχείριση βάσης: διαχείριση υφιστάμενων πελατών
Λόγω του κόστους εξυπηρέτησης νέων πελατών για πολλές επιχειρήσεις, δύσκολα υπάρχουν αποθέματα τόσο αξιόλογα όσο η υφιστάμενη βάση πελατών, αν και λίγοι σκέφτονται μαζί. Τοποθεσίες περιλαμβάνουν:
1. Συνδυασμός και βελτίωση: _Προσφορά του σωστού προϊόντος ή υπηρεσίας στον πελάτη στο κατάλληλο χρονικό σημείο._ - Τεχνικές: RFM μοντέλα. Multinomial regression. - b. Αξία ζωής περιόδου αγοράς.
2. Κατηγοριοποίηση πελατών: _Κατανόηση τύπων πελατών που διαθέτετε._ - Μοντέλα κατηγοριοποίησης χρησιμοποιώντας αρχικά απλά δένδρα απόφασης, και έπειτα - τυχαίους δάσκαλους και άλλες νέες τεχνικές.
Μέρος 3: Διατήρηση: Κράτηση καλών πελατών
Η κατανόηση των πελατών που είναι αποδεδειγμένα να αποχωρήσουν και ό,τι μπορεί να γίνει γι' αυτό είναι βασική για την κερδοφορία σε πολλούς τομείς, ιδιαίτερα όπου υπάρχουν επαναλαμβανόμενες αγορές ή διακυμάνσεις. Εξετάζουμε τα μοντέλα χάσης πελατών, συμπεριλαμβανομένων - Logistic regression: glm (package stats) και νέες τεχνικές (ειδικότερα gbm ως γενική εργαλείο) - Προσαρμογή μοντέλων (caret) και παρουσίαση συστάδων.
Μέρος 4: Εξούστευση: Κατανόηση των αποχωρούντων και γιατί
Οι πελάτες θα σας αφήσουν – αυτό είναι γεγονός. Το σημαντικό είναι να κατανοήσετε ποιοι αποχωρούν και γιατί. Είναι χαμηλάξια πελάτες που φεύγουν ή είναι οι καλύτεροι σας πελάτες; Φεύγουν για ανταγωνιστές ή επειδή δεν χρειάζονται πια τα προϊόντα και υπηρεσίες σας;
Θέματα περιλαμβάνουν: - Μοντέλα αξίας ζωής πελατών: Συνδυασμός αξίας αγοράς με πιθανότητα χάσης και του κόστους εξυπηρέτησης και διατήρησης πελάτη. - Ανάλυση δεδομένων πειθαρχίας. (Γενικά χρήσιμη, αλλά θα κάνουμε μια σύντομη εισαγωγή εδώ στο πλαίσιο των exit surveys.)
Απαιτήσεις
Αναμένεται να είναι οι φοιτητές άνετοι με τη χρήση του R και να καταλάβουν βασικά συνεπτύξεις πολιτικής αγοράς.
Οι φοιτητές θα πρέπει να έχουν πρόσβαση σε πρόσφατη έκδοση του R, με τις επιπλέον βιβλιοθήκες gbm, caret και survey εγκατεστημένες με τα αναφερόμενα dependencies και suggested packages.
21 Ώρες
Σχόλια (5)
ήταν επιformeρτικό και χρήσιμο
Brenton - Lotterywest
Κομμάτι - Building Web Applications in R with Shiny
Μηχανική Μετάφραση
Πολλά παραδείγματα και άσκησες σχετικές με το θέμα της εκπαίδευσης.
Tomasz - Ministerstwo Zdrowia
Κομμάτι - Advanced R Programming
Μηχανική Μετάφραση
Η ημέρα 1 και η ημέρα 2 ήταν πολύ απλές για μενα και απόλαυσα πολύ αυτή την εμπειρία.
Mareca Sithole - Africa Health Research Institute
Κομμάτι - R Fundamentals
Μηχανική Μετάφραση
Το ρυθμός ήταν ακριβώς κατάλληλος και η ήρεμη ατμόσφαιρα κάνε στους υποψήφιους να νιωθούν ήρεμοι να θέτουν ερωτήσεις.
Rhian Hughes - Public Health Wales NHS Trust
Κομμάτι - Introduction to Data Visualization with Tidyverse and R
Μηχανική Μετάφραση
το θέμα παρουσιάστηκε καλά και με τάξη.
Marylin Houle - Ivanhoe Cambridge
Κομμάτι - Introduction to R with Time Series Analysis
Μηχανική Μετάφραση
