آموزش علم داده بازاریابی

سرفصل ها و درس ها

مقدمه Introduction

• خوش آمدی Welcome

• علم داده برای بازاریابی Data science for marketing

• به دست آوردن داده Obtain data

1. نصب نرم افزار 1. Software Installation

• نصب R Install R

• پایتون را نصب کنید Install Python

• تابلو نصب کنید Install Tableau

• جهت گیری به UI برای R ، Python و Tableau Orientation to UI for R, Python, and Tableau

• فایل های تمرینی Exercise files

2. داده ها ، تحلیل اکتشافی و آنالیز عملکرد 2. Data, Exploratory Analysis, and Performance Analysis

• بررسی اجمالی و مطالعه موردی Overview and case study

• تجزیه و تحلیل اکتشافی با R Exploratory analysis with R

• تحلیل اکتشافی با پایتون Exploratory analysis with Python

• تحلیل اکتشافی با تابلو Exploratory analysis with Tableau

• مزایا و معایب Pros and cons

3. استنباط و تحلیل رگرسیون 3. Inference and Regression Analysis

• بررسی اجمالی و مطالعه موردی Overview and case study

• رگرسیون با R Regression with R

• رگرسیون با پایتون Regression with Python

• رگرسیون با تابلو Regression with Tableau

4. پیش بینی 4. Prediction

• بررسی اجمالی و مطالعه موردی Overview and case study

• پیش بینی با R Prediction with R

• پیش بینی با پایتون Prediction with Python

• پیش بینی با تابلو Prediction with Tableau

5. تجزیه و تحلیل خوشه ای 5. Cluster Analysis

• بررسی اجمالی و مطالعه موردی Overview and case study

• تجزیه و تحلیل خوشه ای با R Cluster Analysis with R

• تجزیه و تحلیل خوشه ای با پایتون Cluster Analysis with Python

• تجزیه و تحلیل خوشه ای با تابلو Cluster Analysis with Tableau

6. تجزیه و تحلیل ترکیب 6. Conjoint Analysis

• بررسی اجمالی و مطالعه موردی Overview and case study

• تجزیه و تحلیل ترکیب با R Conjoint analysis with R

• تجزیه و تحلیل ترکیب با پایتون Conjoint analysis with Python

• تجزیه و تحلیل ترکیب با تابلو Conjoint analysis with Tableau

7. بهترین روشها 7. Best Practices

• بازاریابی سریع Agile marketing

• طراحی و انجام آزمایشات بازار Design and conduct market experiments

• تراز سهامدار Stakeholder alignment

نتیجه Conclusion

• مراحل بعدی Next steps