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