課程簡介

模組 1

資料科學與 應用導論 Marketing

  • 分析概述:分析類型 - 預測性、規範性、推理性
  • 分析實踐 Marketing
  • 大數據和不同技術的應用 - 簡介

模組 2

Marketing 在數位世界中

  • 數字行銷概論
  • 在線廣告 - 簡介
  • 搜尋引擎優化 (SEO) – Google 案例研究
  • Social Media 行銷:技巧和秘訣——Facebook、Twitter 的例子

模組 3

探索性 Data Analysis &統計建模

  • 資料呈現和可視化 – 使用直方圖、餅圖、條形圖、散點圖理解業務數據 – 快速推理 – 使用 Python
  • 基本統計建模 – 趨勢、季節性、聚類、分類(僅提供基礎知識、不同的演算法和用法,不提供任何細節) – Python 中的現成代碼
  • 市場籃分析 (MBA) – 使用關聯規則、支援、信心、提升的案例研究

模組 4

Marketing 分析 I

  • 行銷流程簡介 - 案例研究
  • 利用數據改進行銷策略
  • 衡量品牌資產、品牌價值和品牌價值——品牌定位
  • 用於行銷的文本挖掘 – 文本挖掘的基礎知識 – Social Media 行銷案例研究

模組 5

Marketing 分析II

  • 客戶生命週期價值 (CLV) 與計算 – CLV 在業務決策中的案例研究
  • 通過實驗衡量案例和效果 - 案例研究
  • 計算預計升力
  • Data Science 在 在線廣告 – 點擊率轉化, 網站分析

模組 6

回歸基礎知識

  • 回歸揭示的內容和基礎 Statistics(數學的細節不多)
  • 解釋回歸結果 – 使用 Python 進行案例研究
  • 瞭解對數-對數模型 - 使用 Python 的案例研究
  • 營銷組合模型 – 使用 Python 的案例研究

模組 7

分類和聚類

  • 分類和聚類的基礎知識 - 用法;提及演算法
  • 解釋結果 – Python 帶有輸出的程式
  • 使用分類和聚類進行客戶定位 - 案例研究
  • 業務戰略改進 – 電子郵件行銷、促銷示例
  • 大數據技術在分類和聚類中的需求

模組8

時間序列分析

  • 趨勢和季節性 - 使用 Python 驅動的案例研究 - 可視化
  • 不同的時間序列技術 – AR 和 MA
  • 時間序列模型 – ARMA、ARIMA、ARIMAX(Python 的用法和示例)——案例研究
  • 營銷活動的時間序列預測

模組 9

推薦引擎

  • 個人化和業務戰略
  • 不同類型的個人化推薦 - 協作式、基於內容
  • 推薦引擎的不同演算法 – 使用者驅動、專案驅動、混合、Matrix 因式分解(僅提及和使用演算法,不涉及數學細節)
  • 增量收入的推薦指標 - 詳細案例研究

模組 10

使用 Data Science 實現銷售最大化

  • 優化技術的基礎知識及其用途
  • 庫存優化 – 案例研究
  • 使用數據科學提高投資回報率
  • Lean 分析 – 創業加速器

模組 11

Data Science in 定價 &促銷一

  • 定價 – 盈利增長的科學
  • 需求預測技術 - 對價格回應需求曲線的結構進行建模和估計
  • 定價決策 – 如何優化定價決策 – 使用 Python 的案例研究
  • 促銷分析 – 基線計算和貿易促銷模型
  • 使用促銷制定更好的策略 - 銷售模型規範 - 乘法模型

模組 12

Data Science 在定價和促銷II中

  • 收入管理 - 如何管理具有多個細分市場的易腐資源
  • 產品捆綁 – 快速和慢速產品 – 案例研究 Python
  • 易腐商品和服務的定價 - 航空公司和酒店定價 – 提及隨機模型
  • 促銷指標 - 傳統和社交

最低要求

參加本課程不需要任何特定要求。

 21 時間:

人數



每位參與者的報價

客戶評論 (4)

相關課程

Big Data Business Intelligence for Telecom and Communication Service Providers

35 時間:

課程分類