آموزش RA: تجزیه و تحلیل مشتری خرده فروشی و مدل سازی منطقه تجاری.

RA: Retail Customer Analytics and Trade Area Modeling.

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
توضیحات دوره: EP3: پایتون را بیاموزید و از تجزیه و تحلیل مشتری ، پیش بینی Churn ، تقسیم بندی مشتری و مدل سازی منطقه تجاری استفاده کنید.

آنچه خواهید آموخت

  • پایتون
  • تجزیه و تحلیل مشتری
  • نحوه کار روزانه با پایتون را بیاموزید
  • با نحوه بهره مندی از داده ها برای افزایش مشارکت مشتری آشنا شوید.
  • برای تقسیم بندی مشتری از K-means استفاده کنید.
  • از مدل سازی منطقه تجارت برای مکان و تجزیه و تحلیل رقابتی استفاده کنید.
  • از سیستم های توصیه برای پیشنهاد محصولات به مشتریان استفاده کنید.
  • از تحلیل بازار سبد برای ارائه توصیه ها و بسته های تبلیغاتی به مشتریان استفاده کنید.
  • پیش بینی ارزش مشتری در طول عمر مشتری



"این یکی از سه دوره در سری Retail by RA است که هر دوره را می توان به طور مستقل گذراند."


مدیریت خرده فروشی و تجزیه و تحلیل با Excel و پایتون

خرده فروشان هر روز با رقابت شدیدی روبرو هستند و مطابقت با روندهای جدید و ترجیحات مشتری تضمینی برای برتری در محیط خرده فروشی مدرن است. یکی از راههای اصلی در مدیریت خرده فروشی استفاده از داده هایی است که هر روز تولید می شود. تخمین زده می شود که ما روزانه مقدار زیادی داده تولید می کنیم ، تقریباً 2.5 کوینتیلیون بایت. بر اساس مطالعه IBM ، 90 درصد داده های جهان در دو سال گذشته ایجاد شده است.


تجزیه و تحلیل خرده فروشی زمینه مطالعه داده های خرده فروشی تولید شده و تصمیم گیری های مبتنی بر اطلاعات مبتنی بر آن است. از آنجا که این حوزه وسیع است ، من برنامه را به سه قسمت تقسیم کرده ام. در این دوره ، ما بر بخش تجزیه و تحلیل مشتری در خرده فروشی تمرکز می کنیم. درک مشتری برای حفظ وفاداری و توسعه محصولات برای افزایش مشاغل خرده فروشی و سودآوری مهم است.



RA: تجزیه و تحلیل مشتری خرده فروشی و مدل سازی منطقه تجاری.


1- درک اهمیت تجزیه و تحلیل مشتری در خرده فروشی.

2- دستکاری داده ها با پانداها.

3-کار با پایتون برای تجزیه و تحلیل.

5- مدل سازی منطقه تجاری

6- سیستم های توصیه

7- پیش بینی ارزش عمر مشتری

8- تجزیه و تحلیل سبد بازار

9- پیش بینی رکورد


نگران نباشید اگر نمی دانید چگونه کدگذاری کنید ، ما گام به گام با استفاده از تجزیه و تحلیل خرده فروشی یاد می گیریم!

توجه: برنامه کامل شامل منابع قابل دانلود و فایل های پروژه Python پروژه، تکالیف و آزمونهای برنامه، دسترسی به طول عمر و تضمین 30 روزه پول نقد است.

این برنامه برای چه کسانی است:

· اگر در برنامه نویسی کاملاً مبتدی هستید ، این برنامه را انتخاب کنید.

· اگر در خرده فروشی کار می کنید و می خواهید تصمیمات مبتنی بر داده بگیرید ، این برنامه شما را به آنچه شما نیاز دارید ، مجهز می کند.

· اگر از Excel به زبان علم داده می روید. سپس این برنامه به سرعت هدف شما را دنبال می کند.

· اگر از انجام بارها و بارها تجزیه و تحلیل مشابه در صفحات گسترده خسته شده اید و می خواهید راهی برای خودکارسازی آن پیدا کنید ، این برنامه برای شما مناسب است.


طراحی برنامه

این برنامه به عنوان ماژول های یادگیری تجربی طراحی شده است ، اولین دو ماژول برای مبانی خرده فروشی و به دنبال آن اصول برنامه نویسی پایتون است ، این به این معنی است که همه پذیرندگان این برنامه را با همان سرعت تراز کند. و قسمت سوم برنامه های خرده فروشی با استفاده از علم داده است که از دانش دو ماژول اول برای اعمال استفاده می کند. در حالی که روش تحویل برنامه ترکیبی از توضیح مفاهیم روی تخته سفید ، ارائه ها و جلسات برنامه نویسی پایتون است که در آن شما مرحله به مرحله کد نویسی را با من انجام می دهید. برای تقویت مهارتهای تازه کسب شده ، در اکثر بخشها ارزیابی هایی انجام می شود. همه تمرینات و ارزیابی ها موارد استفاده واقعی از خرده فروشی است.




این دوره برای چه کسانی است:

  • مدیران خرده فروشی
  • تحلیلگران خرده فروشی
  • دانشمندان داده
  • تحلیلگران داده
  • استراتژیست خرده فروشی
  • تجار

سرفصل ها و درس ها

معرفی Introduction

  • تسکو و اندرو پول Tesco and Andrew Pole

  • مثبت کاذب False Positives

  • والمارت Walmart

  • ذکرهای قابل توجه Notable mentions

  • چرا تجزیه و تحلیل مشتری Why Customer analytics

  • برنامه درسی Curriculum

  • مشتری خرده فروشی The retail Customer

  • انواع مشتریان خرده فروشی types of retail customers

  • انواع مشتریان خرده فروشی Types of retail customrs

  • چرا ما به تجزیه و تحلیل مشتری نیاز داریم Why we need customer analytics

  • انواع داده های خرده فروشی types of retail Data

  • داده های فروش در مقابل داده های سبد بازار Sales Data Vs Market basket Data

  • ساختار داده های خرده فروشی Retail Data structre

  • برنامه های کاربردی تجزیه و تحلیل مشتری و یادگیری ماشین Customer analytics and machine learning applications

  • امتحان بخش 1 Quiz on section 1

  • خلاصه Summary

نصب پایتون Installing Python

  • پایتون Python

  • بارگیری Anaconda Downloading Anaconda

  • نصب Anaconda Installing Anaconda

  • مروری بر اسپایدر Spyder Overview

  • مرور کلی نوت بوک Jupyter Jupiter Notebook Overview

  • کتابخانه های پایتون Python Libraries

اصول برنامه نویسی پایتون Python Programming Fundmentals

  • معرفی Intro

  • قاب های داده Data Frames

  • محاسبات حسابی در پایتون Arithmetic Calculations in Python

  • لیست ها Lists

  • فرهنگ لغت Dictionaries

  • آرایه ها Arrays

  • وارد کردن داده در پایتون Importing Data in Python

  • زیر مجموعه DataFrames Subsetting DataFrames

  • شرایط Conditions

  • توابع نوشتن Writing Functions

  • نقشه برداری Mapping

  • برای حلقه ها For Loops

  • برای حلقه کردن یک تابع For looping a function

  • نقشه برداری در Dataframe Mapping on Dataframe

  • برای حلقه زدن یک DataFrame For Looping a DataFrame

  • پاسخ تکلیف 1 Assignment Answer 1

  • پاسخ تکلیف 2 Assignment Answer 2

دستکاری داده های خرده فروشی Manipulation of Retail Data

  • اینرو Inro

  • حذف Duplicates و NAs Dropping Duplicates and NAs

  • سخنرانی تبدیل Conversions lecture

  • تبدیل Conversions

  • فیلترها Filterations

  • امضاء Imputations

  • آموزش نمایه سازی Indexing Tutorial

  • شاخص برش Slicing index

  • سخنرانی دستکاری Manipulation lecture

  • دسته بندی بر اساس Groupby

  • برش گروه توسط Slicing the Groupby

  • کاهش سطوح Dropping levels

  • فرم مناسب The proper form

  • جداول محوری Pivot tables

  • تابع کل در جدول محوری Aggregate function in pivot table

  • ذوب داده ها Melting the Data

  • پیوستن به سمت چپ Left join

  • پیوند داخلی و خارجی inner & outer join

  • پیوستن به پایتون Joining in Python

  • اتصال داخلی ، چپ و پیوستن کامل (بیرونی) inner, left join and full join(outer)

  • خلاصه Summary

  • وظیفه Assignment

  • تخصیص پاسخ 1 Assignment answer 1

  • پاسخ تکلیف 2 Assignment answer 2

  • پاسخ تکلیف 3 Assignment answer 3

  • پاسخ تکلیف 4 Assignment answer 4

  • پاسخ تکلیف 5 Assignment answer 5

مدل سازی منطقه تجارت Trade Area Modeling

  • مدلسازی منطقه Tade Tade Area Modelling

  • معرفی Introduction

  • مدل سازی مناطق تجاری مختلف Different trade area modelling

  • زمان رانندگی و کد پستی Drive time and Zip codes

  • مدل هاف The huff model

  • برخی ملاحظات در مورد مدل سازی مناطق تجاری Some considerations about trade area modeling

  • خلاصه مدل هاف Summary of a Huff model

  • مدل هاف Huff Model

  • نمونه تظاهرات Example Demonstration

  • مقیاس پذیری جذابیت Scaling attractiveness

  • توسعه مدل هاف Developing Huff model

  • مدل هاف در پایتون The Huff model in Python

  • خواندن داده ها در پایتون Reading the data in python

  • بدست آوردن عبارت بالا Getting the upper term

  • احتمال در جامعه مشتری Probability per Customer Community

  • فروشگاه خود را کجا باید پیدا کنم؟ Where should I locate my store ?

  • وظیفه Assignment

  • پاسخ تکلیف Assignment Answer

  • خلاصه Summary

  • خلاصه Summary

تجزیه و تحلیل RFM مشتری Customer RFM analysis

  • معرفی Intro

  • RFM RFM

  • تقسیم بندی مشتری بر اساس تجزیه و تحلیل RFM Customer segmentation based on RFM analysis

  • آشنایی مشتری در پایتون Customer Recency in Python

  • فرکانس و ارزش پولی Frequency and Monetary Value

  • رتبه بندی Ranking

  • گروه بندی Grouping

  • ایجاد دسته بندی ها Creating the Categories

  • بینش ها Insights

  • RFM با Kmeans RFM with Kmeans

  • تجسم Centroids Centroids visualization

  • آرنج ولگردی Elbow Spree

  • وظیفه Assignment

  • تخصیص Kmeans Assignment Kmeans

ارزش مادام العمر مشتری Customer Lifetime Value

  • مقدمه Intro

  • CLV CLV

  • مهندسی ویژگی Feature Engineering

  • محاسبه ارزش مادام العمر Calculating lifetime value

  • خارج و طبقه بندی Ltv Outliers and Classification of Ltv

  • آماده سازی داده ها برای مدل سازی Preparing the data for modeling

  • درخت تصمیم گیری بدون تنظیم Decision tree without tuning

  • رزومه تصادفی شده جستجو Randomized search CV

  • نتیجه گیری نهایی Conclusion Final

  • وظیفه Assignment

  • پاسخ تکلیف Assignment Answer

پیش بینی رکود با رگرسیون لجستیک Churn Prediction with Logistic Regression

  • پیش بینی چرن Churn Prediction

  • چرا پیش بینی Churn مهم است Why is Churn Prediction important

  • جهت گیری داده ها Data Orientation

  • نسبت شانس و شانس Odds and Odds ratio

  • مثالی دیگر Another example

  • رگرسیون لجستیک Logistic Regression

  • وارد کردن اطلاعات در نوت بوک Importing data in notebook

  • مهندسی ویژگی Feature Engineering

  • تجسم Visualization

  • هیستوگرام ها Histograms

  • آماده سازی داده ها برای مدل سازی Preparing the data for modelling

  • تفسیر مدل لجستیک Interpreting the logistic model

  • ماتریس گیجی Confusion matrix

  • دقیق و به یاد بیاورید Precision and Recall

  • تفسیر آستانه Interpreting the threshold

  • ورود شانس Log Odds

  • مطابق مدل به صورت دستی Fitting the model manually

  • درک احتمال Understanding Probability

  • پتیسی Patsy

  • شرایط تعامل Interaction terms

  • برازش مدل تعامل Fitting the interaction model

  • رگرسیون Lasso Lasso Regression

  • نتیجه Conclusion

  • شرح داده برای تخصیص Data Description for assignment

  • جواب چرن Churn answer

تجزیه و تحلیل سبد بازار Market Basket Analysis

  • سبد بازار Market Basket

  • سخنرانی Lecture

  • وارد کردن داده ها Importing the data

  • تجسم سبدها Visualizing Baskets

  • آماده سازی داده ها برای Market Basket Preparing the data for Market Basket

  • Apriori و قوانین انجمن Apriori and Association rules

  • حرکت آهسته آیتم ها Slow moving items

  • نتیجه Conclusion

  • نتیجه Conclusion

سیستم های توصیه- فیلترینگ مبتنی بر مشارکت Recommendation Systems- Collaborative Based Fiiltering

  • معرفی Intro

  • فیلترینگ مبتنی بر مشارکت Collaborative Based filtering

  • مورد به مورد در مقابل کاربر به کاربر Item to Item Vs User to User

  • الگوریتم SVD SVD Alghoritm

  • آماده سازی مدل Preparing the model

  • آموزش مجموعه داده های کامل Training on full dataset

  • پیش بینی رتبه بندی مشتری Prediction Customer rating

  • وظیفه Assignment

  • وظیفه Assignment

  • پاسخ تکلیف Assignment answer

کاهش ابعاد و انتخاب مدل Dimensionality Reduction and model selection

  • معرفی Introduction

  • معرفی Introduction

  • PCA PCA

  • خط لوله Pipeline

  • آماده سازی داده ها Preparing the Data

  • تجزیه PCA PCA decomposition

  • واردات مدل Importing Models

  • تنظیم Hyperparameter Hyper Parmeter Tuning

نمایش نظرات

نظری ارسال نشده است.

آموزش RA: تجزیه و تحلیل مشتری خرده فروشی و مدل سازی منطقه تجاری.
خرید اشتراک و دانلود خرید تکی و دانلود | 160,000 تومان (5 روز مهلت دانلود) زمان تقریبی آماده سازی لینک دانلود این دوره آموزشی حدود 5 ساعت تا 24 ساعت می باشد.
جزییات دوره
15h 39m
163
Udemy (یودمی) udemy-small
09 مهر 1400 (آخرین آپدیت رو دریافت می‌کنید، حتی اگر این تاریخ بروز نباشد.)
4,193
4.2 از 5
ندارد
ندارد
ندارد
Haytham Omar

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Haytham Omar Haytham Omar

مشاور زنجیره تامین "هرگز کتابی را از روی جلد دنبال نکنید ، در دنیایی که هر ثانیه تغییر می کند ، ما باید مقاوم و فعال باشیم." مشاور/توسعه دهنده/مربی مشاور مدیریت زنجیره تامین و هوش تجاری موسس - Rescale Analytics - دبی • دانشجوی دکتری در دانشگاه بوردو. • زنجیره تامین و مشاور علم داده برای چندین مشتری ملی و چند ملیتی در امارات و فرانسه. • دانشمند داده ، کارشناسی ارشد مدیریت زنجیره تامین جهانی از Bordeaux Ecole de Management ، بوردو ، فرانسه او در حال حاضر کارگاه ها و سمینارهایی در زمینه زنجیره تامین و علم داده و همچنین پروژه های مشاوره ای برای Sephora ، گروه شرف و داروسازی آستر برگزار می کند.

Udemy (یودمی)

یودمی یکی از بزرگ‌ترین پلتفرم‌های آموزشی آنلاین است که به میلیون‌ها کاربر در سراسر جهان امکان دسترسی به دوره‌های متنوع و کاربردی را فراهم می‌کند. این پلتفرم امکان آموزش در زمینه‌های مختلف از فناوری اطلاعات و برنامه‌نویسی گرفته تا زبان‌های خارجی، مدیریت، و هنر را به کاربران ارائه می‌دهد. با استفاده از یودمی، کاربران می‌توانند به صورت انعطاف‌پذیر و بهینه، مهارت‌های جدیدی را یاد بگیرند و خود را برای بازار کار آماده کنند.

یکی از ویژگی‌های برجسته یودمی، کیفیت بالای دوره‌ها و حضور استادان مجرب و با تجربه در هر حوزه است. این امر به کاربران اعتماد می‌دهد که در حال دریافت آموزش از منابع قابل اعتماد و معتبر هستند و می‌توانند به بهترین شکل ممکن از آموزش‌ها بهره ببرند. به طور خلاصه، یودمی به عنوان یکی از معتبرترین و موثرترین پلتفرم‌های آموزشی آنلاین، به افراد امکان می‌دهد تا به راحتی و با کیفیت، مهارت‌های مورد نیاز خود را ارتقا دهند و به دنبال رشد و پیشرفت شغلی خود باشند.