آموزش تجزیه و تحلیل مشتری در پایتون 2023

سرفصل ها و درس ها

معرفی Introduction

• دوره چه چیزی را پوشش می دهد What Does the Course Cover

معرفی مختصر بازاریابی A Brief Marketing Introduction

• تقسیم بندی، هدف گذاری و موقعیت یابی Segmentation, Targeting, and Positioning

• تقسیم بندی، هدف گذاری و موقعیت یابی Segmentation, Targeting, and Positioning

• آمیخته بازاریابی Marketing Mix

• آمیخته بازاریابی Marketing Mix

• خرده فروشان فیزیکی و آنلاین: شباهت ها و تفاوت ها Physical and Online Retailers: Similarities and Differences

• خرده فروشان فیزیکی و آنلاین: شباهت ها و تفاوت ها Physical and Online Retailers: Similarities and Differences

• کشش قیمت Price Elasticity

• کشش قیمت Price Elasticity

راه اندازی محیط زیست Setting up the Environment

• راه اندازی محیط زیست - لطفاً از دست ندهید! Setting up the Environment - Do not Skip, Please!

• چرا پایتون و چرا ژوپیتر Why Python and Why Jupyter

• نصب آناکوندا Installing Anaconda

• داشبورد Jupyter - قسمت 1 Jupyter Dashboard - Part 1

• داشبورد Jupyter - قسمت 2 Jupyter Dashboard - Part 2

• نصب بسته های مربوطه Installing the Relevant Packages

• نصب بسته های مربوطه: تکالیف Installing the Relevant Packages: Homework

• نصب بسته های مربوطه: راه حل تکلیف Installing the Relevant Packages: Homework Solution

داده های بخش بندی Segmentation Data

• آشنایی با مجموعه داده های تقسیم بندی Getting to know the Segmentation Dataset

• وارد کردن و کاوش داده های بخش بندی Importing and Exploring Segmentation Data

• استاندارد سازی داده های بخش بندی Standardizing Segmentation Data

خوشه بندی سلسله مراتبی Hierarchical Clustering

• خوشه بندی سلسله مراتبی: پیشینه Hierarchical Clustering: Background

• خوشه بندی سلسله مراتبی: پیاده سازی و نتایج Hierarchical Clustering: Implementation and Results

K-Means Clustering K-Means Clustering

• K-Means Clustering: Background K-Means Clustering: Background

• K-Means Clustering: پیاده سازی K-Means Clustering: Implementation

• K-Means Clustering: نتایج K-Means Clustering: Results

خوشه بندی K-Means بر اساس تجزیه و تحلیل مؤلفه های اصلی K-Means Clustering based on Principal Component Analysis

• تجزیه و تحلیل مؤلفه اصلی: پیشینه Principal Component Analysis: Background

• تجزیه و تحلیل مؤلفه اصلی: کاربرد Principal Component Analysis: Application

• تجزیه و تحلیل مؤلفه اصلی: تکلیف Principal Component Analysis: Homework

• تجزیه و تحلیل مؤلفه اصلی: نتایج Principal Component Analysis: Results

• K-Means Clustering with Principal Components: Application K-Means Clustering with Principal Components: Application

• K-Means خوشه بندی با اجزای اصلی: نتایج K-Means Clustering with Principal Components: Results

• K-Means خوشه بندی با اجزای اصلی: نتایج تکالیف K-Means Clustering with Principal Components: Results Homework

• ذخیره مدل ها Saving the Models

داده های خرید Purchase Data

• خرید تجزیه و تحلیل - مقدمه Purchase Analytics - Introduction

• آشنایی با مجموعه داده خرید Getting to know the Purchase Dataset

• واردات و کاوش داده های خرید Importing and Exploring Purchase Data

• بکارگیری مدل تقسیم بندی Applying the Segmentation Model

تجزیه و تحلیل های توصیفی بر اساس بخش ها Descriptive Analyses by Segments

• نسبت های بخش Segment Proportions

• مناسبت خرید و بروز خرید Purchase Occasion and Purchase Incidence

• خرید مناسبت و خرید تکلیف Purchase Occasion and Purchase Incidence Homework

• انتخاب برند Brand Choice

• کالبد شکافی درآمد بر اساس بخش Dissecting the Revenue by Segment

مدل سازی بروز خرید Modeling Purchase Incidence

• مدل: رگرسیون لجستیک دو جمله ای The Model: Binomial Logistic Regression

• مجموعه داده را برای رگرسیون لجستیک آماده کنید Prepare the Dataset for Logistic Regression

• تخمین مدل Model Estimation

• محاسبه کشش قیمت احتمال خرید Calculating Price Elasticity of Purchase Probability

• کشش قیمت احتمال خرید: نتایج Price Elasticity of Purchase Probability: Results

• سوالات آزمون کشش قیمت Price Elasticity Quiz Questions

• احتمال خرید بر اساس بخش ها Purchase Probability by Segments

• احتمال خرید بر اساس بخش - تکالیف Purchase Probability by Segments - Homework

• مدل احتمال خرید با تبلیغات Purchase Probability Model with Promotion

• محاسبه کشش قیمت با پروموشن Calculating Price Elasticities with Promotion

• محاسبه کشش قیمت (بدون تبلیغات) - تکلیف Calculating Price Elasticities (Without Promotion) - Homework

• مقایسه کشش قیمت با و بدون تبلیغات Comparing Price Elasticities with and without Promotion

انتخاب برند مدلسازی Modeling Brand Choice

• مدل های انتخاب برند مدل: رگرسیون لجستیک چند جمله ای Brand Choice Models. The Model: Multinomial Logistic Regression

• داده ها را آماده کنید و مدل را برازش کنید Prepare Data and Fit the Model

• تفسیر ضرایب Interpreting the Coefficients

• کشش انتخاب برند قیمت شخصی Own Price Brand Choice Elasticity

• کشش انتخاب برند متقاطع قیمت Cross Price Brand Choice Elasticity

• کشش خود و متقابل قیمت بر اساس بخش Own and Cross-Price Elasticity by Segment

• کشش خود و قیمت متقاطع توسط تکالیف خانگی Own and Cross-Price Elasticity by Segment Homework

• کشش خود و متقاطع قیمت بر اساس بخش - مقایسه Own and Cross-Price Elasticity by Segment - Comparison

• کشش خود و قیمت متقاطع بر اساس تکالیف خانه 2 Own and Cross-Price Elasticity by Segment Homework 2

مدل سازی مقدار خرید Modeling Purchase Quantity

• خرید مدل های کمیت. مدل: رگرسیون خطی Purchase Quantity Models. The Model: Linear Regression

• آماده سازی داده ها و برازش مدل Preparing the Data and Fitting the Model

• محاسبه کشش قیمت مقدار خرید Calculating Price Elasticity of Purchase Quantity

• محاسبه کشش قیمت مقدار خرید: تکلیف Calculating Price Elasticity of Purchase Quantity: Homework

• کشش قیمت مقدار خرید: نتایج Price Elasticity of Purchase Quantity: Results

• کشش قیمت مقدار خرید: تکلیف Price Elasticity of Purchase Quantity: Homework

یادگیری عمیق برای پیش بینی تبدیل Deep Learning for Conversion Prediction

• مقدمه ای بر یادگیری عمیق برای تجزیه و تحلیل مشتریان Introduction to Deep Learning for Customer Analytics

• کاوش مجموعه داده Exploring the Dataset

• چگونه می خواهیم با پرونده تجاری مقابله کنیم How Are We Going to Tackle the Business Case

• چرا باید یک مجموعه داده را متعادل کنیم؟ Why do We Need to Balance a Dataset

• پیش پردازش داده ها برای یادگیری عمیق Preprocessing the Data for Deep Learning

• تشریح مدل یادگیری عمیق Outlining the Deep Learning Model

• آموزش مدل یادگیری عمیق Training the Deep Learning Model

• تست مدل Testing the Model

• به دست آوردن احتمال تبدیل مشتری Obtaining the Probability of a Customer to Convert

• ذخیره مدل و آماده سازی برای استقرار Saving the Model and Preparing for Deployment

• پیش بینی داده های جدید Predicting on New Data

• تکمیل 100% Completing 100%