آموزش تجزیه و تحلیل مشتریان پیش بینی کننده (2017)

Predictive Customer Analytics (2017)

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره:
از داده های بزرگ برای گفتن داستان مشتری خود با تجزیه و تحلیل پیش بینی کننده استفاده کنید. در این دوره آموزشی، می‌توانید در مورد چرخه زندگی مشتری و اینکه چگونه تجزیه و تحلیل پیش‌بینی‌کننده می‌تواند به بهبود هر مرحله از سفر مشتری کمک کند، بیاموزید.

با یادگیری در مورد مراحل مختلف چرخه زندگی مشتری شروع کنید. داده‌های تولید شده در داخل و خارج از کسب‌وکارتان و راه‌هایی را که می‌توان داده‌ها را در سازمانتان جمع‌آوری و جمع‌آوری کرد، کاوش کنید. سپس سه مورد استفاده را برای تجزیه و تحلیل پیش‌بینی‌کننده در هر مرحله از چرخه عمر مشتری، از جمله کسب، فروش، خدمات و حفظ مرور کنید. برای هر مرحله، شما همچنین یک راه حل تحلیلی پیش بینی در پایتون می سازید. در ویدئوهای پایانی، نویسنده کوماران پونامبالام بهترین شیوه‌ها را برای ایجاد فرآیند تجزیه و تحلیل مشتری از ابتدا معرفی می‌کند.
اهداف یادگیری
  • شناخت چرخه عمر مشتری
  • کسب اطلاعات مشتری
  • استفاده از مفاهیم کلان داده در روابط با مشتری
  • یافتن چشم انداز با گرایش بالا
  • افزایش فروش با شناسایی محصولات و علایق مرتبط
  • ایجاد وفاداری مشتری با کشف الگوهای پاسخ
  • پیش بینی ارزش طول عمر مشتری (CLV)
  • شناسایی مشتریان ناراضی
  • کشف الگوهای ساییدگی
  • استفاده از تجزیه و تحلیل پیش بینی در موارد استفاده چندگانه
  • طراحی خطوط لوله پردازش داده
  • اجرای بهبود مستمر

سرفصل ها و درس ها

معرفی Introduction

  • خوش آمدی Welcome

  • انتظارات و تشکیل دوره Expectations and course organization

  • از فایل های تمرین استفاده کنید Use the exercise files

1. بررسی اجمالی تجزیه و تحلیل مشتری 1. Customer Analytics Overview

  • اهمیت تجزیه و تحلیل مشتری The importance of customer analytics

  • چرخه عمر مشتری The customer life cycle

  • تجزیه و تحلیل را در چرخه عمر مشتری اعمال کنید Apply analytics to the customer life cycle

  • منابع داده های مشتری Sources of customer data

  • فرآیند تحلیل مشتری The customer analytics process

  • مورد استفاده: فروشگاه اینترنتی کامپیوتر Use case: Online computer store

  • امتحان فصل Chapter Quiz

2. آیا شما مشتری من خواهید شد؟ 2. Will You Become My Customer?

  • فرآیند جذب مشتری The customer acquisition process

  • بالقوه های بالقوه را پیدا کنید Find high propensity prospects

  • بهترین کانال ها را برای تماس توصیه کنید Recommend the best channels for contact

  • ارائه چت بر اساس تمایل بازدید کننده Offer chat based on visitor propensity

  • مورد استفاده: تمایل مشتری را تعیین کنید Use case: Determine customer propensity

  • امتحان فصل Chapter Quiz

3. به چه چیز دیگری علاقه دارید؟ 3. What Else Are You Interested In?

  • بالافروشی و بیع متقابل Upselling and cross-selling

  • اقلام خریداری شده را با هم پیدا کنید Find items bought together

  • اولویت های گروه مشتری را ایجاد کنید Create customer group preferences

  • وابستگی کاربر به مورد و توصیه ها User-item affinity and recommendations

  • موارد استفاده: موارد را توصیه کنید Use case: Recommend items

  • امتحان فصل Chapter Quiz

4. ارزش تجارت آینده شما چقدر است؟ 4. How Much Is Your Future Business Worth?

  • ایجاد وفاداری مشتری Generate customer loyalty

  • کلاس های ارزش مشتری ایجاد کنید Create customer value classes

  • الگوهای پاسخ را کشف کنید Discover response patterns

  • پیش بینی ارزش طول عمر مشتری (CLV) Predict customer lifetime value (CLV)

  • مورد استفاده: پیش بینی CLV Use case: Predict CLV

  • امتحان فصل Chapter Quiz

5. آیا از من راضی هستید؟ 5. Are You Happy With Me?

  • بهبود رضایت مشتری Improve customer satisfaction

  • پیش بینی قصد تماس Predict intent of contact

  • مشتریان ناراضی را پیدا کنید Find unsatisfied customers

  • انواع مشکلات گروهی Group problem types

  • مورد استفاده: انواع مشکل گروهی Use case: Group problem types

  • امتحان فصل Chapter Quiz

6. آیا مرا ترک می کنی؟ 6. Will You Leave Me?

  • جلوگیری از فرسایش مشتری Prevent customer attrition

  • مشتریانی را که ممکن است ترک کنند را پیش بینی کنید Predict customers who might leave

  • مشوق ها را پیدا کنید Find incentives

  • الگوهای فرسایش مشتری را کشف کنید Discover customer attrition patterns

  • مورد استفاده: الگوهای مشتری Use case: Customer patterns

  • امتحان فصل Chapter Quiz

7. بهترین شیوه ها 7. Best Practices

  • فرآیندهای تجزیه و تحلیل مشتری را طراحی کنید Devise customer analytics processes

  • داده های مناسب را انتخاب کنید Choose the right data

  • طراحی خطوط لوله پردازش داده Design data processing pipelines

  • بهبود مستمر را اجرا کنید Implement continuous improvement

  • امتحان فصل Chapter Quiz

نتیجه Conclusion

  • مراحل بعدی Next steps

نمایش نظرات

آموزش تجزیه و تحلیل مشتریان پیش بینی کننده (2017)
جزییات دوره
1h 37m
46
Linkedin (لینکدین) Linkedin (لینکدین)
(آخرین آپدیت)
-
- از 5
ندارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Kumaran Ponnambalam Kumaran Ponnambalam

اختصاص به آموزش علوم داده

V2 Maestros به آموزش علوم داده و داده های بزرگ با هزینه های مقرون به صرفه برای جهان اختصاص دارد. مربیان ما تجربه دنیای واقعی در تمرین علم داده و ارائه نتایج تجاری دارند. علم داده یک حوزه داغ و در حال رخ دادن در صنعت فناوری اطلاعات است. متأسفانه منابع موجود برای یادگیری این مهارت به سختی یافت می شود و گران است. امیدواریم این مشکل را با ارائه آموزش باکیفیت با نرخ های مقرون به صرفه، با ایجاد استعدادهای علم داده در سراسر جهان، کاهش دهیم.