#CLV #PYTHON #KNIME

Ce que vous apprendrez

  • Comprendre les concepts de base sur Customer Lifetime Value.

  • Mettre en place un modèle de Customer Lifetime Value

  • Segmentation en utilisant le CLV

  • Votre expérimente d'apprentissage

    Apprendre par la pratique, développer votre intuition et comprendre les concepts de base.

  • Notre objectif

    Vous fournir une expérience d’apprentissage pour vous aider à atteindre vos objectifs.

  • Prérequis

    Aucun

  • Applications

    Prédire combien chaque nouveau client est susceptible de générer comme revenu au cours de son cycle de vie

  • Outils

    Python (distribution Anaconda). Le logiciel KNIME

Contenu du projet pratique

    1. Bienvenue

    2. Prérequis

    3. Option Premium

    4. Avant que nous commencions...

    1. Vue d’ensemble du projet

    2. Objectifs d'apprentissage

    3. Domaines d’application

    4. Mise en place de l’environnement

    5. Jeu de données

    1. Mission

    1. Description de la tâche

    2. Conseils

    3. Solution

    1. Description de la tâche

    2. Conseils

    3. Solution

    1. Description de la tâche

    2. Conseils

    3. Solution
  • Gratuit
  • 46 leçons

Description

Pour ce projet guidé, on va utiliser la base de données Online Retail du dépôt de Machine Learning de l’UCI pour calculer la Customer Lifetime Value puis on va regrouper les utilisateurs pour mieux les connaître. On suivra presque les mêmes étapes sur Python et KNIME Analytics Plateform. La CLV vous permet de : Segmenter et analyser vos clients afin de pouvoir personnaliser votre service aux clients à forte valeur ajoutée en fonction de leurs caractéristiques. Prédire combien chaque nouveau client est susceptible de générer comme revenu au cours de son cycle de vie afin de contrôler les coûts d'acquisition (par exemple, les dépenses en marketing). Identifier les similitudes dans le comportement des clients à forte valeur ajoutée pour convertir ceux qui achètent actuellement moins à l'entreprise en clients à forte valeur ajoutée. Analyser les caractéristiques des clients à faible valeur ajoutée afin d'améliorer leur expérience utilisateur et de réduire les taux de désabonnement. En définitive, la CLV permet aux entreprises de réaliser une croissance commerciale à long terme centrée sur le client.

Certificat d'achèvement

Instructrice

Xinyi Wen

Partenaire Formation

En tant qu'étudiante à la maîtrise en sciences de données et analytique d’affaires, je suis compétente dans la collecte, le traitement, la modélisation, la visualisation et l'analyse des données. J’ai de l’expérience sur les projets tels que le NLP, la classification, la prédiction de la série chronologique à l’aide d’outils informatiques tels que Python, R, SAS, Tableau, etc. J'espère diffuser mon expertise par la plateforme Uluumy et aider davantage de personnes à apprendre à utiliser les données pour créer de la valeur et résoudre des problèmes commerciaux

Questions fréquemment posées

  • De quels logiciels et versions ai-je besoin ?

    À définir

  • Est-ce que le cours de préparation est obligatoire à suivre

    Non. Le cours a été conçu comme une référence

  • Est-ce que le contenu sera encore disponible après la fin du projet

    Absolument et pour toujours!