آموزش استفاده از تجزیه و تحلیل پیش بینی برای بهبود سفر مشتری

Using Predictive Analytics to Improve the Customer Journey

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیویی برای نمایش وجود ندارد.
توضیحات دوره: این کلاس سطح ابتدایی چیزی برای طراحان و رهبران تجاری که می خواهند Big Data را برای حل مشکلات دنیای واقعی استفاده کنند و جادوگران داده ای که می خواهند کاربردهای عملی الگوریتم ها و بینش های انتزاعی خود را درک کنند ، ارائه می دهد. یک بررسی اخیر نشان داد که 89٪ شرکت ها می خواهند از تجزیه و تحلیل پیش بینی برای بهبود تجارت خود استفاده کنند. اکنون یکی از بزرگترین مشکلات حوزه Big Data این است که سازمان ها تیم هایی را برای تولید همه این تجزیه و تحلیل ها ایجاد کرده اند - آنها در تلاشند بفهمند که با این کار چه کنند. در این دوره ، با استفاده از Predictive Analytics برای بهبود سفر مشتری ، خواهید آموخت که چگونه با مهار Big Data به روشی که منجر به مزایای دنیای واقعی شود ، این مشکل را حل کنید. ابتدا یاد خواهید گرفت که تجزیه و تحلیل مشتری پیش بینی شده چیست ، چگونه تولید می شود و چرا برای اطمینان از عقب ماندن محصولات ، تجربه مشتری و وب سایت های شما ارزشمند است. در مرحله بعدی ، شما نحوه استفاده از نقشه برداری سفر مشتری را برای یافتن فرصت های پنهان (و همچنین "نقاط درد") که باید حل شوند کشف خواهید کرد. سرانجام ، شما می توانید تجزیه و تحلیل پیش بینی با نقشه برداری سفر را نشان دهید تا نشان دهید چگونه می توانید محصولات خود را بهبود بخشید و رضایت مشتری را افزایش دهید. در پایان این دوره ، شما نه تنها قادر خواهید بود بصری سازی های آگاه از داده را ایجاد کنید که UX را بهبود می بخشد و فروش را افزایش می دهد ، بلکه همچنین بینشی کسب خواهید کرد که به شما کمک می کند تیم های متشکل از هر دو گیک داده و nerds طراحی را بهتر مدیریت کنید.

سرفصل ها و درس ها

بررسی اجمالی دوره Course Overview

  • بررسی اجمالی دوره Course Overview

تولید تجزیه و تحلیل پیش بینی Generating Predictive Analytics

  • بررسی اجمالی و مقدمه Overview and Introduction

  • نمونه های واقعی آنچه تجزیه و تحلیل پیش بینی برای چه چیزی مناسب است Real-world Examples of What Predictive Analytics are Good For

  • شکستن آن: مراحل و مراحل تولید تجزیه و تحلیل پیش بینی Breaking It Down: Phases and Steps to Generate Predictive Analytics

  • مرحله کسب اطلاعات ، مرحله 1: شناسایی یک مشکل مشروع Data Acquisition Phase, Step 1: identifying a Legitimate Problem

شناسایی منابع مربوطه Identifying Relevant Data Sources

  • مرحله کسب اطلاعات ، مرحله 2: شناسایی داده های مربوطه Data Acquisition Phase, Step 2: Identifying Relevant Data

  • مرحله کسب اطلاعات ، مرحله 2 ، قسمت 2: پرسیدن سkingالات درست Data Acquisition Phase, Step 2, Part 2: Asking the Right Questions

  • مرحله کسب اطلاعات ، مرحله 3: به دنبال پاسخ در همه منابع داده مناسب هستید Data Acquisition Phase, Step 3: Looking for Answers in All the Right Data Sources

  • مرحله کسب اطلاعات ، مرحله 3 ، قسمت 2: استخراج داده های با ارزش Data Acquisition Phase, Step 3, Part 2: Extracting the Valuable Data

  • جمع آوری ماژول و بررسی واقعیت Module Wrap-up and Reality Check

نقشه برداری از سفر مشتری: چرا مهم است و چگونه می توان آن را انجام داد Mapping the Customer Journey: Why It Matters and How to Do It

  • توضیح سفر کاربر Explaining the User Journey

  • یادگیری اینکه چرا ما باید سفرهای کاربران را نقشه برداری کنیم Learning Why We Need to Map User Journeys

  • 5 مرحله برای ساختن نقشه سفر مشتری The 5 Steps to Building a Customer Journey Map

  • انتخاب فرایندی برای نقشه برداری Picking a Process to Map

  • ایجاد یک کاربر کاربر - چه مواردی را می توان پر کرد؟ Building a User Persona - What Are the Blanks to Be Filled In?

  • ساختن یک کاربر کاربر - پر کردن موارد خالی Building a User Persona - Filling in the Blanks

  • شناسایی شخصیت های کاربر جایگزین Identifying Alternate User Personas

استفاده از داده ها برای نقشه برداری از نقاط لمسی Using Data to Map the Touchpoints

  • شناسایی نقاط لمسی و ترسیم آنها با استفاده از داده ها Identifying Touchpoints and Mapping Them Using Data

  • کشف نقاط لمسی برای محصول یا خدمات خود Discovering the Touchpoints for Your Product or Service

  • ساختن نقشه سفر مشتری - پر کردن جای خالی Building a Customer Journey Map - Filling in the Blanks

  • نقشه برداری از یک سفر جایگزین و انجام یک بررسی واقعیت Mapping an Alternate Journey and Performing a Reality Check

ترکیب داده های پیش بینی و نقشه های سفر Combining Predictive Data and Journey Maps

  • ترکیب تجزیه و تحلیل پیش بینی و نگاشت سفر Combining Predictive Analytics and Journey Mapping

  • لکه گیری و بهره برداری از ارزش پنهان در اعداد Spotting and Exploiting the Value Hiding in the Numbers

  • پیش بینی نحوه بهبود سفر چارو Predicting How to Improve Charo's Journey

  • بستن سفر Charo Closing Out Charo's Journey

  • استفاده از داده ها برای بهبود سفر کاربر خرید هدیه Using Data to Improve a Gift-Buying User's Journey

  • باز کردن قفل ارزش پنهان با ارزش ترین مشتری های شما Unlocking the Hidden Value of Your Most Valuable Customers

  • تشویق بهترین مشتریان خود برای بازگشت - و آوردن همکارانشان Incentivizing Your Best Customers to Come Back - and Bring Their Colleagues

  • پیش بینی کاری که باید بعد انجام دهید Predicting What You Should Do Next

نمایش نظرات

Pluralsight (پلورال سایت)

Pluralsight یکی از پرطرفدارترین پلتفرم‌های آموزش آنلاین است که به میلیون‌ها کاربر در سراسر جهان کمک می‌کند تا مهارت‌های خود را توسعه دهند و به روز رسانی کنند. این پلتفرم دوره‌های آموزشی در زمینه‌های فناوری اطلاعات، توسعه نرم‌افزار، طراحی وب، مدیریت پروژه، و موضوعات مختلف دیگر را ارائه می‌دهد.

یکی از ویژگی‌های برجسته Pluralsight، محتوای بروز و با کیفیت آموزشی آن است. این پلتفرم با همکاری با توسعه‌دهندگان و کارشناسان معتبر، دوره‌هایی را ارائه می‌دهد که با توجه به تغییرات روزافزون در صنعت فناوری، کاربران را در جریان آخرین مفاهیم و تکنولوژی‌ها نگه می‌دارد. این امر به کاربران این اطمینان را می‌دهد که دوره‌هایی که در Pluralsight می‌پذیرند، با جدیدترین دانش‌ها و تجارب به روز شده‌اند.

آموزش استفاده از تجزیه و تحلیل پیش بینی برای بهبود سفر مشتری
جزییات دوره
2h 51m
29
Pluralsight (پلورال سایت) Pluralsight (پلورال سایت)
(آخرین آپدیت)
-
از 5
دارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

David LaFontaine David LaFontaine

دیوید لا فونتین نویسنده ، روزنامه نگار ، مشاور رسانه های دیجیتال و استاد کمکی در دانشگاه کالیفرنیای جنوبی است. دیوید متخصص در استراتژی محتوا ، طراحی رابط کاربر (UX و UI) و تولید رسانه های دیجیتال است. مشتریان او عبارتند از: دانشکده دندانپزشکی هرمان استرو ، وزارت امور خارجه ایالات متحده ، Lynda.com ، KelbyOne Media ، CreativeLive ، انتشارات ویلی ، B3Communications ، AssetShield و Roundabout Entertainment. تخصص وی در زمینه رسانه و فناوری ، وی را به دعوت سخنرانی در دانشگاه های ایالات متحده ، آمریکای لاتین و اروپا دعوت کرده است ، از جمله در انستیتوی آینده دیجیتال روزنامه نگاری در دانشگاه Mohyla در کیف ، اوکراین ، دانشکده روزنامه نگاری نلسون ماندالا در آدیس آبابا ، اتیوپی و در شهردار دانشگاه در سانتیاگو ، شیلی. در سال 2012 ، وی به عنوان یک متخصص فولبرایت برای آموزش روزنامه نگاران ، NGO ها و گروه های طرفدار دموکراسی در زمینه مهارت های ارتباطی رسانه های دیجیتال به اتیوپی سفر کرد. دیوید پنج کتاب از جمله طراحی رسانه های اجتماعی برای آدمکها ، طراحی وب موبایل برای آدمکها و قلم سم را نوشته یا در تألیف مشترک آن تألیف کرده است. وی همچنین بیش از 20 ساعت فیلم آموزشی آنلاین برای KelbyOne تولید کرده است. کنجکاوی و تمایل او به استفاده از خود به عنوان موش آزمایشگاهی انسانی به او کمک می کند تا از روند فن آوری استفاده کند ، جدیدترین ابزارهای دیجیتال را آزمایش کند و Sips را از وبلاگ Firehose تولید کند. او همچنین یک نویسنده مستقل است که کارهایش شامل مطالعات موردی در مورد روزنامه ها و چندرسانه ای برای انجمن روزنامه های آمریکا (NAA.org) ، انجمن جهانی روزنامه ها (WAN) ، رسانه های تعاملی پیشرفته (گروه AIM) ، گروه مشاوره بین المللی نوآوری ، یونیتی روزنامه نگاران رنگی ، انجمن خبرآنلاین (ONA).