آموزش کشف فرصت ها و ریسک ها: بکارگیری تجزیه و تحلیل پیش بینی کننده در CSM

دانلود Uncovering Opportunities and Risks: Applying Predictive Analytics in CSM

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: به دنبال استفاده از داده ها برای مدیریت بهتر موفقیت مشتری هستید؟ در این دوره، سام کامینگز، دانشمند داده و رهبر موفقیت مشتری، به شما می آموزد که چگونه از تجزیه و تحلیل پیش بینی برای شناسایی فرصت ها و کاهش خطرات در موفقیت مشتری استفاده کنید. جمع آوری و آماده سازی داده ها، توسعه و ارزیابی مدل های پیش بینی، و نظارت و بهبود مدل های خود را بیاموزید. پس از این دوره، شما آماده استفاده از تجزیه و تحلیل پیش بینی برای تصمیم گیری آگاهانه و رشد در سازمان خود خواهید بود.

سرفصل ها و درس ها

مقدمه Introduction

  • بهبود عملکرد مدیریت موفقیت مشتری با تجزیه و تحلیل پیش بینی Improve customer success management performance with predictive analytics

1. داده های مربوط به مشتری را جمع آوری و آماده کنید 1. Collect and Prepare Relevant Customer Data

  • پاک کردن و پیش پردازش داده ها Clean and preprocess data

  • انواع و منابع داده های CSM را شناسایی کنید Identify types and sources of CSM data

2. مدل های مدیریت موفقیت مشتری پیش بینی کننده بسازید 2. Build Predictive Customer Success Management Models

  • مشکل درست را شناسایی کنید Identify the right problem

  • تکنیک های مدل سازی پیش بینی را کاوش کنید Explore predictive modeling techniques

  • توسعه و استقرار مدل های پیش بینی Develop and deploy predictive models

3. تحلیل پیش بینی کننده را در مدیریت موفقیت مشتری پیاده سازی کنید 3. Implement Predictive Analytics in Customer Success Management

  • فرصت های فروش متقابل و فروش متقابل را شناسایی کنید Identify upsell and cross-sell opportunities

  • از مدل های پیش بینی اهرمی استفاده کنید Leverage predictive models

  • پیش بینی ها را برای ذینفعان مختلف سفارشی کنید Customize predictions for different stakeholders

  • ریزش مشتری را پیش بینی کنید Predict customer churn

4. ارزیابی، نظارت و بهبود مدل های پیش بینی 4. Evaluate, Monitor and Improve Predictive Models

  • مدل ها را پس از راه اندازی مانیتور و بهبود بخشید Monitor and improve models after launch

نتیجه گیری Conclusion

  • افزایش نتایج CSM از طریق تجزیه و تحلیل پیش بینی Boost CSM outcomes through predictive analytics

نمایش نظرات

آموزش کشف فرصت ها و ریسک ها: بکارگیری تجزیه و تحلیل پیش بینی کننده در CSM
جزییات دوره
0h 31m
12
Linkedin (لینکدین) Linkedin (لینکدین)
(آخرین آپدیت)
32
- 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

Madecraft Madecraft

شرکت محتوای یادگیری با سرویس کامل Madecraft یک شرکت محتوای یادگیری کامل سرویس است که در سانتا باربارا ، کالیفرنیا مستقر است.

خط لوله تولید برنده جایزه این شرکت در حال ایجاد نسل بعدی محتوای یادگیری است که مهارت های دنیای واقعی را آموزش می دهد و ارائه می دهد.

Madecraft بهترین استعدادهای صنعت و شرکای قابل اعتماد را با یک چشم انداز جمع می کند: به مشتریان از محتوای برتر در سطح صدای مارک خود ، اطلاعات بالایی ارائه دهید. تیم Madecraft متعهد به افزایش سهام و ارتقا the صنایع دستی با محتوای کارآمد و مقیاس پذیر مطابق با مشخصات مشتری و ساخته شده برای تعامل و توانمند سازی افراد است.

اگر شما یا شرکت خود به دنبال تیمی برای ساخت دوره های آنلاین هستید ، از Madecraft در onlymadecraft.com دیدن کنید.

Samuel Cummings Samuel Cummings

ساموئل کامینگز یک دانشمند داده برنده جایزه و رهبر موفقیت مشتری (CS) است.

ساموئل بیش از یک دهه تجربه دارد که به شرکت ها کمک می کند تا برنامه های تجربه مشتری (CX) در کلاس جهانی بسازند. او که یک رویاپرداز CS و هوش مصنوعی مولد است، به دلیل ایجاد انقلابی در نحوه استفاده کسب‌وکارها از هوش مصنوعی و علم داده برای مقیاس‌بندی عملیات موفقیت مشتری، در سراسر جهان شناخته شده است. از سنت لوئیس گرفته تا لندن و سیدنی، او داستان های موفقیت آمیزی را در مورد تأثیر علم داده بر CX به اشتراک گذاشته است و جایزه Inspire 2021 را برای کارش به عنوان مدیر موفقیت مشتری در LinkedIn دریافت کرد. از آن زمان، ساموئل به مدت هشت چهارم متوالی تبدیل به بالاترین عملکرد رهبر CS در Indeed شده است. او در حال حاضر Dataplant، اولین پلتفرم هوش مصنوعی مولد جهان برای موفقیت مشتری را رهبری می کند.