آموزش تجزیه و تحلیل مشتری پیش بینی

Predictive Customer Analytics

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: با تجزیه و تحلیل های پیش بینی شده ، از داده های بزرگ برای بیان داستان مشتری خود استفاده کنید. در این دوره ، می توانید در مورد چرخه زندگی مشتری و اینکه چگونه تجزیه و تحلیل پیش بینی کننده می تواند به بهبود هر مرحله از سفر مشتری کمک کند ، اطلاعات کسب کنید.

کار خود را با یادگیری مراحل مختلف چرخه زندگی مشتری شروع کنید. داده های تولید شده در داخل و خارج از کسب و کار شما و روش های جمع آوری و تجمیع داده ها در سازمان شما را کاوش کنید. سپس سه مورد استفاده را برای تجزیه و تحلیل پیش بینی در هر مرحله از چرخه زندگی مشتری ، از جمله خرید ، افزایش فروش ، خدمات و نگهداری بررسی کنید. برای هر مرحله ، شما همچنین می توانید یک راه حل تحلیلی پیش بینی در پایتون بسازید. در فیلم های نهایی ، نویسنده Kumaran Ponnambalam بهترین روش ها را برای ایجاد یک فرآیند تجزیه و تحلیل مشتری از ابتدا ارائه می دهد.
موضوعات شامل:
  • درک چرخه زندگی مشتری
  • بدست آوردن اطلاعات مشتری
  • استفاده از مفاهیم کلان داده در روابط مشتری
  • یافتن چشم اندازهای با گرایش زیاد
  • با شناسایی محصولات و علایق مرتبط با آن افزایش می یابد
  • ایجاد وفاداری مشتری با کشف الگوهای پاسخ
  • پیش بینی ارزش مادام العمر مشتری (CLV)
  • شناسایی مشتریان ناراضی
  • کشف الگوهای فرسایشی
  • استفاده از تجزیه و تحلیل پیش بینی در موارد استفاده چندگانه
  • طراحی خطوط لوله پردازش داده
  • اجرای بهبود مستمر

سرفصل ها و درس ها

مقدمه Introduction

  • خوش آمدی Welcome

  • انتظارات و سازماندهی دوره Expectations and course organization

  • از پرونده های تمرینی استفاده کنید Use the exercise files

1. بررسی اجمالی مشتری 1. Customer Analytics Overview

  • اهمیت تحلیل مشتری The importance of customer analytics

  • چرخه عمر مشتری The customer life cycle

  • تجزیه و تحلیل ها را به چرخه زندگی مشتری بمالید Apply analytics to the customer life cycle

  • منابع داده مشتری Sources of customer data

  • فرآیند تجزیه و تحلیل مشتری The customer analytics process

  • مورد استفاده: فروشگاه رایانه آنلاین Use case: Online computer store

2. آیا شما مشتری من می شوید؟ 2. Will You Become My Customer?

  • فرآیند دستیابی مشتری The customer acquisition process

  • چشم اندازهای با گرایش بالا را پیدا کنید Find high propensity prospects

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

  • چت را بر اساس میل بازدید کننده پیشنهاد دهید Offer chat based on visitor propensity

  • مورد استفاده: تعیین گرایش مشتری Use case: Determine customer propensity

3. چه چیز دیگری به شما علاقه مند است؟ 3. What Else Are You Interested In?

  • فروش و فروش متقابل Upselling and cross-selling

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

  • تنظیمات گروه مشتری را ایجاد کنید Create customer group preferences

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

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

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

  • وفاداری مشتری ایجاد کنید Generate customer loyalty

  • کلاسهای ارزش مشتری ایجاد کنید Create customer value classes

  • الگوهای پاسخ را کشف کنید Discover response patterns

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

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

5- از من خوشحال هستید؟ 5. Are You Happy With Me?

  • رضایت مشتری را بهبود بخشید Improve customer satisfaction

  • پیش بینی قصد تماس Predict intent of contact

  • مشتری های ناراضی را پیدا کنید Find unsatisfied customers

  • انواع مشکل گروه Group problem types

  • استفاده از مورد: انواع مشکل گروه Use case: Group problem types

6. آیا مرا ترک خواهید کرد؟ 6. Will You Leave Me?

  • جلوی جذب مشتری را بگیرید Prevent customer attrition

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

  • مشوق پیدا کنید Find incentives

  • الگوهای جذابیت مشتری را کشف کنید Discover customer attrition patterns

  • مورد استفاده: الگوهای مشتری Use case: Customer patterns

7. بهترین روشها 7. Best Practices

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

  • داده های مناسب را انتخاب کنید Choose the right data

  • خطوط لوله پردازش داده ها را طراحی کنید Design data processing pipelines

  • بهبود مستمر را پیاده سازی کنید Implement continuous improvement

نتیجه Conclusion

  • مراحل بعدی Next steps

نمایش نظرات

آموزش تجزیه و تحلیل مشتری پیش بینی
جزییات دوره
1h 37m
39
Linkedin (لینکدین) Linkedin (لینکدین)
(آخرین آپدیت)
124,740
- 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.