以 Python 做客戶分析 2021

Contents

初級和進階的客戶分析: 主成分分析( PCA )、K-means 叢集、彈性建模( Elasticity Modeling )和深層神經網路( Deep Neural Networks )

從這 5 小時的課程，你會學到

掌握初級和進階客戶分析
學習中型和大型公司應用的最重要的分析類型
獲得專業的培訓師團隊與特殊的量化技能
通過掌握一項非常需要的技能讓面試官大吃一驚
瞭解基本的市場行銷模型理論: 市場區隔、瞄準目標、定位、行銷組合和價格彈性
對你的客戶進行區隔，從原始資料開始，到達最終的客戶群組
聚焦客戶分析執行 K-means 叢集演算
對資料應用主成分分析(PCA)來預處理特徵( features )
結合主成分分析( PCA )和 K-means 更專業的做客戶區隔
在不同的資料集上佈署模型
瞭解如何以購買的彈性機率建模購買發生率;
探索自有價格與交叉價格彈性建模品牌選擇
經由預測購買數量彈性完成購買週期
使用 TensorFlow 2.0 實現一個黑盒深度學習模型，以無與倫比的準確性預測購買行為
能夠優化你的神經網路，以提高結果

要求

我們會在這門課的第一節課中，教你們怎麼做
基本的 Python 程式設計
學習和實踐的意願和熱情

課程說明

資料科學和市場行銷是兩個關鍵的驅動力，幫助企業創造價值，並在當今快節奏的經濟中保持領先地位。

歡迎來到..

以 Python 做客戶分析 – 一個一次滿足你學習市場行銷和資料科學的課程！

本課程是最好的方式，以非常罕見和非常有價值的技能結合幫助你脫穎而出。

你將在這門課程中學到什麼？

本課程充滿了知識，涵蓋了許多公司使用的一些最令人興奮的方法，這些方法都採用 Python 實現。

由於客戶分析是一個廣泛的主題，我們建立了5 個不同的部分，以探索分析過程的各個方面。他們每個都有自己的優點和缺點。我們將探索硬幣的兩面的每一部分，同時確保提供給你恰如其分的資訊, 只有最重要的和相關的資訊！

這裡有5 個主要部分:

第 1 部分 : 我們將向你介紹您需要開始執行客戶分析的相關理論

為了給你們提供更多的實際經驗，我們儘量縮短了這一部分的篇幅。儘管如此，這是營銷初學者學習行銷基礎知識的地方，也是我們在整個課程中利用某些模型的原因。

第 2 部分 : 然後我們將執行叢集分析與降維，以幫助你區隔客戶

因為本課程基於 Python，所以我們將使用幾個流行的軟體套件 – NumPy、 SciPy 和 scikit-learn。在叢集( clustering )方面，我們將展示分層的叢集和扁平的叢集技術，最終重點是 K-means 演算法。在此過程中，我們將對資料進行適當的視覺化，以進一步加深你對方法的理解。說到降維( dimensionally reduction )分析，我們將通過 scikit-learn (sklearn)套件再次使用主成分分析(PCA，Principal Components Analysis )。最後，我們將結合這兩種模型，以達到對客戶有更深的洞見。當然，我們不會忘記將通過 pickle 套件實現的模型佈署。

第 3 部分 : 應用描述的統計作為分析的探索部分

一旦做了區隔，客戶的行為將需要一些解釋。沒有什麼比通過品牌和區隔以及視覺化研究對統計學做更直觀的描述。在課程的這一部分，你會有“啊哈”( 頓悟 )的感覺效果。通過描述性分析，我們將形成對我們所做區隔的假設，從而最終為後續的建模奠定基礎，。

第 4 部分 : 在此之後，我們將準備進行彈性塑模，為購買機率、品牌選擇，和購買數量

在大多數教科書中，你會發現根據價格和數量以靜態度量計算的彈性。但是彈性的概念實際上要寬泛得多。我們將通過計算購買機率的彈性、品牌選擇自身價格的彈性、品牌選擇交叉價格的彈性和購買數量的彈性來詳細探討這一問題。我們將採用線性迴歸和邏輯迴歸，再次通過 sklearn 程式庫( library )實現。我們對這個主題進行了最先進的研究，以確保你比同儕有優勢。當我們專注於 20 種不同的模型時，你將有機會實踐超過 100 種不同的模型，所有這些都帶給你額外的洞見！

第 5 部分 : 最後，我們將利用深度學習的力量來預測未來的行為

機器學習和人工智慧處於資料科學革命的前端。這就是為什麼我們不得不把它納入這門課的原因。我們將利用 TensorFlow 2.0 框架來建立一個前饋神經網路( feedforward neural network ，也稱artificial neural network )。這部分我們將建立一個黑箱模型，基本上幫助我們在我們對客戶未來行為的預測達到 90% 以上的準確性。

一個非凡的教學團體

365 Careers 在 Udemy 有 55 萬以上的學生，我們相信最好的教育需要兩個關鍵因素: 卓越的教學團體和實用的方法。這就是為什麼我們在兩者都達標。

”以 Python 做客戶分析“是由 3 位教師密切合作建立的，他們提供了最有益的學習經驗。

課程作者 Nikolay Georgiev 是一位博士，在他的學術生涯中主要致力於行銷分析。後來，他作為許多世界級專案的顧問，獲得了豐富的實踐經驗。因此，他是幫助你搭建理論知識與實際應用之間的橋樑的完美專家。

Elitsa 和 Iliya 也在課程的發展過程中發揮了關鍵作用。所有三個教員合作提供了客戶分析能夠提供的最有價值的方法和途徑。

此外，這門課程也儘可能地引人入勝。高品質的動畫、精湛的課程材料、測驗問題、講義和課程筆記，以及帶有評論的筆記本檔案，這些都是你在報名本課程後將獲得的額外收獲。

你為什麼需要這些技能？

工資 / 收入 – 資料科學領域的職業是當今企業界最受歡迎的職業之一。所有的 B2C 企業都意識到使用客戶資料的優勢，以便更好地理解和定位客戶
晉升 – 即使你是一個精通資料的科學家，你專業成長的唯一途徑就是擴充套件你的知識。本課程提供一個非常罕見的技能，適用於許多不同的行業。
安全的未來 – 對理解數字和資料並能夠解釋它們的人的需求呈指數增長; 你可能聽說過很快就會自動化的工作數量，對嗎？公司的市場行銷部門已經被資料科學徹底改變了，乘著這股潮流，你就可以通向一個安全的未來。

為什麼要等待? 每一天都是錯過的機會。

點選“立即購買”按鈕，讓我們一起開始我們的客戶分析之旅！