We're proud to design great products for life
Интенсив
Продвинутая аналитика
и машинное обучение в маркетинге
и машинное обучение в маркетинге
На интенсиве подробно рассмотрим область клиентской аналитики и поделимся секретами эффективного решения задач исходя из опыта наших проектов
Когда
Длительность
Формат
Стоимость
Требования
Ведется сбор заявок
Очно или дистанционно
20 ак. ч. лекций и практики
5 ак. ч. самостоятельной работы
5 ак. ч. самостоятельной работы
42 000 руб/слушатель
Скидки для групп
Скидки для групп
Базовое знание Python
и SQL
и SQL
Из каких этапов состоит жизненный цикл клиента?
Какие задачи приходится решать бизнесу на каждом из этих этапов?
Как перевести эти задачи с бизнес-языка на язык data science и подобрать оптимальный алгоритм решения?
Какие сложности и типичные ошибки ожидают на этом пути, как их избежать?
О чём пойдёт речь?
На интенсиве мы подробно рассмотрим:
А также поделимся профессиональными секретами эффективного решения этих задач исходя из опыта наших проектов
Специалисты Data Science, маркетинговые/продуктовые аналитики и тд
5. РобоБух проводит
сверку автоматически
сверку автоматически
которые интересуются областью data science и тем, как они могли бы применять методы ML для эффективного решения своих бизнес-задач
Кому подойдет курс?
A²NCED
Программа
1. Основы маркетинга - и какие задачи маркетинга могут быть решены средствами data science?
2. Этапы жизненного цикла клиента
3. Какие данные о клиенте доступны на каждом из этих этапов
4. Универсальный пайплайн обучения модели
5. Подготовка пилота для сбора данных
6. Оценка качества модели
7. Формирование сегмента клиентов для маркетинговой кампании
8. Оценка эффективности модели
2. Этапы жизненного цикла клиента
3. Какие данные о клиенте доступны на каждом из этих этапов
4. Универсальный пайплайн обучения модели
5. Подготовка пилота для сбора данных
6. Оценка качества модели
7. Формирование сегмента клиентов для маркетинговой кампании
8. Оценка эффективности модели
1. Определение склонности
2. Применение моделей склонности в жизненном цикле клиента
3. Варианты формулировки целевого события
4. Единая модель склонности к нескольким продуктам
5. Определение клиентов без истории
6. Модели склонности для клиентов без истории
7. Новые клиенты
8. Модели склонности для естественного трафика
9. Модели склонности для целевого трафика
10. Гиперсегментация
11. Синтетическая конверсия
2. Применение моделей склонности в жизненном цикле клиента
3. Варианты формулировки целевого события
4. Единая модель склонности к нескольким продуктам
5. Определение клиентов без истории
6. Модели склонности для клиентов без истории
7. Новые клиенты
8. Модели склонности для естественного трафика
9. Модели склонности для целевого трафика
10. Гиперсегментация
11. Синтетическая конверсия
1. Определение отклика
2. Применение моделей отклика в жизненном цикле клиента
3. Варианты формулировки целевого события
4. Модель чувствительности к коммуникации
5. Определение UpLift
6. Формулировка целевого события
7. UpLift – скоринг
2. Применение моделей отклика в жизненном цикле клиента
3. Варианты формулировки целевого события
4. Модель чувствительности к коммуникации
5. Определение UpLift
6. Формулировка целевого события
7. UpLift – скоринг
1. Определение оттока (бинарный отток, метрический отток)
2. Задачи по предотвращению оттока (предиктивный отток, удержание, реактивация)
3. Применение моделей оттока в жизненном цикле клиента
4. Ансамбль моделей по предотвращению оттока клиентов
5. Прогноз самостоятельного возвращения клиента
6. Методы определения границ оттока: индивидуальные пороги оттока
7. Фрод в предиктивных моделях оттока
8. Удержание клиентов и их реактивация: варианты формулировки целевого события и скоринг
9. Пути развития подходов по предотвращению оттока
10. Нравственный аспект моделей удержания
2. Задачи по предотвращению оттока (предиктивный отток, удержание, реактивация)
3. Применение моделей оттока в жизненном цикле клиента
4. Ансамбль моделей по предотвращению оттока клиентов
5. Прогноз самостоятельного возвращения клиента
6. Методы определения границ оттока: индивидуальные пороги оттока
7. Фрод в предиктивных моделях оттока
8. Удержание клиентов и их реактивация: варианты формулировки целевого события и скоринг
9. Пути развития подходов по предотвращению оттока
10. Нравственный аспект моделей удержания
1. Дизайн эксперимента для оценки экономического эффекта моделей удержания
2. Слагаемые экономического эффекта (упущенная прибыль, отложенный эффект, непосредственный эффект кампании по удержанию клиентов)
3. Предпочтительные и непригодные метрики
4. Оценка непосредственного эффекта кампании по удержанию клиентов
5. Оценка упущенной прибыли
6. Оценка LTV
2. Слагаемые экономического эффекта (упущенная прибыль, отложенный эффект, непосредственный эффект кампании по удержанию клиентов)
3. Предпочтительные и непригодные метрики
4. Оценка непосредственного эффекта кампании по удержанию клиентов
5. Оценка упущенной прибыли
6. Оценка LTV
Подход к обучению
Лекции
Онлайн вебинары с преподавателем и возможность задать все ваши вопросы
Онлайн вебинары с преподавателем и возможность задать все ваши вопросы
Демонстрации
Преподаватель покажет и расскажет, как решается реальная задача на практике
Преподаватель покажет и расскажет, как решается реальная задача на практике
Тесты дня
Короткий тест в конце каждого дня, который поможет понять, насколько вы усвоили материал
Короткий тест в конце каждого дня, который поможет понять, насколько вы усвоили материал
Домашние задания
Задачи и тесты, которые позволят повторить и закрепить пройденный на лекциях
материал
Задачи и тесты, которые позволят повторить и закрепить пройденный на лекциях
материал
Теория не будет оторвана от практики.
Вас ждет насыщенная программа и поддержка преподавателя на протяжении всего интенсива
Вас ждет насыщенная программа и поддержка преподавателя на протяжении всего интенсива
Преподаватели
- Вадим ГлуховРазнообразный опыт решения ML задач в различных областях, разработка и продуктивизация моделей на базе вендорных и open-source решений. Имеет большой опыт в разработке и проектировании архитектуры веб-приложений.
- Дмитрий ЗабавинПреподаватель
Advanced AnalyticsЭксперт в области решения прикладных задач в клиентской аналитике. Реализовал более 30 проектов в целевом маркетинге. - Вазген АмбарцумовРуководитель группы практики GlowByte
Advanced AnalyticsРуководитель группы практики Продвинутой аналитики GlowByte
A²NCED
Записаться на интенсив
Оставьте заявку, и мы свяжемся с вами в ближайшее время!
Нажимая на кнопку, вы даете согласие на обработку персональных данных и соглашаетесь
c политикой конфиденциальности
c политикой конфиденциальности
Узнавайте об обновлениях
и новых курсах первыми!
Подписывайтесь на наше коммьюнити NoML (Not only Machine Learning), где мы публикуем все новости, общаемся и делимся мнениями об индустрии