آموزش کاربرد تحلیل داده‌ها در بازاریابی - آخرین آپدیت

دانلود Applying Data Analytics in Marketing

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: این دوره دانشجویان را با تحلیل بازاریابی به عنوان یک رویکرد داده‌محور برای حل مسائل واقعی بازاریابی آشنا می‌کند. این آموزش چهار حوزه کلیدی را پوشش می‌دهد: تحلیل علّی (شناسایی رابطه علت و معلولی در مداخلات بازاریابی)، مدل‌سازی پیش‌بینی‌کننده و هوش مصنوعی (پیش‌بینی رفتارهای مشتری با استفاده از یادگیری ماشین)، تحلیل رسانه‌های اجتماعی (استخراج بینش از تعاملات آنلاین مصرف‌کنندگان از طریق تحلیل متن و شبکه) و تحلیل تقاضا و ترجیحات مصرف‌کننده (تخمین ترجیحات، تقاضا و ارزش طول عمر مشتری). دانشجویان با استفاده از پایتون، تجربه عملی در تحلیل منابع داده‌ای متنوع، به‌کارگیری تکنیک‌های پیشرفته تحلیل و تولید بینش‌های کاربردی برای حمایت از تصمیمات استراتژیک بازاریابی کسب خواهند کرد.

سرفصل ها و درس ها

ماژول 1: مقدمه‌ای بر دوره و تحلیل علّی Module 1: Course Introduction and Causal Analysis

  • مقدمه Introduction

  • بیوگرافی مدرس: پروفسور نارانگ Instructor Bio: Professor Narang

  • تأثیر جامعه Gies The Impact of the Gies Community

  • مقدمه‌ای بر تحلیل علّی Introduction to Causal Analysis

  • متفکران کلیدی در تحلیل علّی Causal Analysis - Key Thinkers

  • مثال انگیزشی و مفاهیم کلیدی تحلیل علّی Causal Analysis Motivating Example and Key Concepts

  • تحلیل علّی: آزمایش‌های تصادفی Causal Analysis - Randomized Experiments

  • تحلیل علّی: شناسایی شبه‌آزمایش‌ها Causal Analysis - Identifying Quasi-experiments

  • تحلیل علّی: روش‌های تطبیق (Matching) Causal Analysis - Matching methods

  • تحلیل علّی: متغیرهای ابزاری Causal Analysis - Instrumental Variables

  • تحلیل علّی: مثالی از یک آزمایش میدانی Causal Analysis - Example from a Field Experiment

  • کاربرد: روش تفاضل در تفاضل (Difference In Difference) Application - Difference-In-Difference Method

  • دموی پایتون: روش تفاضل در تفاضل Python Demo - Difference-In-Difference Method

  • مصاحبه با برد میلر Interview with Brad Miller

ماژول 2: هوش مصنوعی، پیش‌بینی و یادگیری ماشین Module 2: Artificial Intelligence, Prediction, and Machine Learning

  • مقدمه‌ای بر یادگیری ماشین و هوش مصنوعی Intro to ML and AI

  • اصول بنیادی یادگیری ماشین Foundational Principles of ML

  • مورد مطالعاتی پیش‌بینی: ردیابی جغرافیایی Prediction Case - Geotracking

  • هوش مصنوعی برای تحقیقات بازار AI for Market Research

  • ترکیب پیش‌بینی و علّیت Prediction and Causality Combined

  • اخلاق در استفاده از هوش مصنوعی Ethics in AI Use

  • کاربرد: هوش مصنوعی، پیش‌بینی و یادگیری ماشین Application: Artificial Intelligence, Prediction, and Machine Learning

  • نمایش پایتون: هوش مصنوعی، پیش‌بینی و یادگیری ماشین Python Demonstration: Artificial Intelligence, Prediction, and Machine Learning

ماژول 3: تحلیل محتوای کاربر، شرکت و محتوای تولید شده توسط هوش مصنوعی Module 3: User, Firm, and AI-Generated Content Analysis

  • مقدمه‌ای بر محتوای آنلاین در تحلیل بازاریابی Intro to Online Content in Marketing Analytics

  • تحلیل متن: یک دیدگاه تاریخی Text Analysis - A Historical Perspective

  • انواع محتوا Types of Content

  • محتوای تولید شده توسط کاربر (UGC): بررسی عمیق مفاهیم UGC - Deep Dive into Concepts

  • محتوای تولید شده توسط شرکت (FGC): بررسی عمیق مفاهیم FGC Deep Dive into Concepts

  • محتوای تولید شده توسط هوش مصنوعی (AGC): بررسی عمیق مفاهیم AGC Deep Dive Into Concepts

  • محتوای آنلاین و نگرانی‌های نوظهور Online Content and Emerging Concerns

  • مقدمه‌ای بر بازاریابی تأثیرگذار (اینفلوئنسر مارکتینگ) Influencer Marketing Introduction

  • کاربرد: تحلیل محتوای کاربر، شرکت و محتوای تولید شده توسط هوش مصنوعی Application: User, Firm, and AI-Generated Content Analysis

  • نمایش پایتون: تحلیل محتوای کاربر، شرکت و محتوای تولید شده توسط هوش مصنوعی Python Demonstration: User, Firm, and AI-Generated Content Analysis

  • مصاحبه با کیت لیونز Interview with Kate Lyons

ماژول 4: تحلیل ترجیحات مشتری و ارزش طول عمر مشتری Module 4: Customer Preferences and Lifetime Value Analysis

  • مقدمه‌ای بر CLV و تقاضای مشتری Intro to CLV and Customer Demand

  • بخش‌بندی، هدف‌گیری و جایگاه‌یابی Segmentation, Targeting, and Positioning

  • تحلیل ترکیبی (Conjoint Analysis) Conjoint Analysis

  • مقدمه‌ای بر تحلیل CLV - بخش 1 Intro to CLV Analysis - 1

  • مثال مقدماتی تحلیل CLV - بخش 2 Intro to CLV Analysis Example - 2

  • درک ریزش مشتری و افزایش‌پذیری Understanding Customer Churn and Incrementality

  • نمایش پایتون: تحلیل ترجیحات مشتری و ارزش طول عمر مشتری Python Demonstration: Customer Preferences and Lifetime Value Analysis

  • یادگیری به سبک خودتان Learn on Your Terms

نمایش نظرات

آموزش کاربرد تحلیل داده‌ها در بازاریابی
جزییات دوره
16h 14m
41
(آخرین آپدیت)
25,990
4.5 از 5
دارد
دارد
دارد
Unnati Narang
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar