Python 中的客户分析(Customer Analytics in Python)

数据科学和市场营销是帮助公司创造价值并在当今快节奏经济中保持领先地位的两个主要驱动力。

欢迎来到…

Python 中的客户分析——营销和数据科学的交汇点！

本课程是通过非常罕见且极其宝贵的技能集脱颖而出的最佳方式。

您将在本课程中学到什么？

本课程充满知识，涵盖了公司使用的一些最令人兴奋的方法，所有这些方法都是用 Python 实现的。

由于客户分析是一个广泛的主题，我们创建了 5 个不同的部分来探索分析过程的各个方面。他们每个人都有自己的优点和缺点。我们将针对每个部分探索硬币的两面，同时确保只为您提供最重要和最相关的信息！

以下是5个主要部分：

1. 我们将向您介绍开始执行客户分析所需的相关理论

为了给您提供更多的实践经验，我们将这部分内容保持得尽可能短。尽管如此，这是营销初学者将学习营销基础知识以及我们在整个课程中利用某些模型的原因的地方。

2. 然后我们会进行聚类分析和降维，帮您细分客户

因为本课程基于 Python，所以我们将使用几个流行的包 – NumPy、SciPy和scikit-learn。在聚类方面，我们将同时展示层次聚类和平面聚类技术，最终重点介绍K-means 算法。在此过程中，我们将适当地可视化数据，以进一步加深您对这些方法的理解。在降维方面，我们将通过scikit-learn（sklearn）再次使用主成分分析（PCA ）包裹。最后，我们将结合这两种模型来更好地了解我们的客户。当然，我们不会忘记我们将通过pickle包实现的模型部署。

3. 第三步包括应用描述性统计作为分析的探索部分

一旦细分，客户的行为将需要一些解释。没有什么比按品牌和细分获取描述性统计数据并将结果可视化更直观的了。这是课程的一部分，在那里你会“啊哈！” 影响。通过描述性分析，我们将形成关于我们的细分市场的假设，从而最终为后续建模奠定基础。

4. 之后，我们将准备进行购买概率、品牌选择和购买数量的弹性建模

在大多数教科书中，您会发现根据价格和数量将弹性计算为静态指标。但弹性的概念实际上要广泛得多。我们将通过计算购买概率弹性、品牌选择自身价格弹性、品牌选择交叉价格弹性和购买数量弹性来对其进行详细探讨。我们将使用线性回归和逻辑回归，再次通过sklearn库实现。我们对该主题进行最先进的研究，以确保您比同行更具优势。虽然我们专注于大约 20 种不同的模型，但您将有机会练习它们的 100 多种不同变体，所有这些都会为您提供额外的见解！

5. 最后，我们将利用深度学习的力量来预测未来的行为

机器学习和人工智能处于数据科学革命的前沿。这就是为什么我们忍不住将其包含在本课程中。我们将利用TensorFlow 2.0框架创建前馈神经网络（也称为人工神经网络）。这是我们将构建黑盒模型的部分，从本质上帮助我们在预测客户未来行为时达到90% 以上的准确率。

为什么需要这些技能？

1. 薪水/收入——数据科学领域的职业是当今企业界最受欢迎的职业之一。所有 B2C 企业都意识到使用客户数据的优势，可以更好地了解和定位客户

2. 晋升——即使你是一名熟练的数据科学家，你专业成长的唯一途径就是扩展你的知识。本课程提供了一种非常罕见的技能，适用于许多不同的行业。

3. Secure Future——对理解数字和数据并能对其进行解读的人的需求呈指数级增长；您可能听说过很快将实现自动化的工作数量，对吧？好吧，公司的营销部门已经被数据科学彻底改变，驾驭这股浪潮是通往安全未来的门户。

为什么要等？每一天都是错失的机会。

单击“立即购买”按钮，让我们一起开始我们的客户分析之旅！