Почему клиент ушёл и как его вернуть: курс по глубокой сегментации клиентских баз от эксперта в Big Data

Считается, что в кризис денег на рекламу, а значит, на привлечение новых клиентов, у интернет-магазина нет. Мы предлагаем заняться тем, что ничего вам не стоит — проанализировать и вернуть тех клиентов, которые уже однажды у нас покупали, или хотя бы понять, почему они от нас ушли. Для этого стоит освоить профессиональный и несложный инструмент работы со статистикой — R на практическом семинаре от эксперта по работе с данными 6 октября. Для комфортной и продуктивной работы на курсе у нас всего 20 мест, потому читайте и регистрируйтесь 🙂

Читателям ресурса ain.ua даем скидку 10% на участие по промокоду dominate в комментарии к заказу.

Проблемы в работе с клиентскими базами, которые мы решим

• Интернет-магазины предлагают всем клиентам одно и то же, потому что маркетологи не могут быстро и эффективно проанализировать те данные о клиентах, которые есть в базе (история покупок, переходы, источники привлечения) чтобы сделать индивидуальное предложение для каждого.
• Для сегментации обычно используются костыли типа электронных таблиц
• Сегменты не всегда достоверны: даже если вы анализируете базу, не всегда хватает опыта и знаний проверить достоверность гипотез
• Ресурс программистов всегда ограничен, и выгрузка или интерпретация любых данных превращается в сплошную головную боль

Регистрация на курс

Кому будет полезен курс: руководители и маркетологи

• интернет-маркетологам и директорам по маркетингу
• веб- и классическим аналитикам
• руководителям и владельцам бизнеса
• всем, кто работает с Big Data
• веб- и классическим аналитикам
• всем, кто хочет получить профессиональный и простой инструмент работы со статистикой.

Программа: ФОКУСируемся на сегментации и кластеризации

Как быстро сделать в R то, что мы привыкли долго делать в Excel

1. Расчет пожизненной стоимости клиентов
2. Расчет сегментов по RFM-группе

Теоретический блок — анализ на R

1. Введение в R: современный инструмент работы со статистикой
2. С какими данными мы работаем и их импорт
3. Как хранятся данные и какие они бывают
4. Как оперировать с данными с помощью простых функций
5. Сложные функции — что нужно знать, чтобы их создавать в R
6. Как от анализа данных перейти к решению маркетинговых задач
7. Проблема очистки данных: как поставить задачу своему it-отделу, чтобы получить реальные данные потратив минимум нервов

Введение в маркетинг данных

1. Как составить точный портрет клиента исходя из информации о просмотрах и покупках
2. Что делать с теми, о ком мы почти ничего не знаем (просмотры без авторизации)
3. Принципы сегментации и обзор популярных подходов (метод ближайших соседей, метод главных компонент)
4. Как строить математически достоверные сегменты: статистика или случайность
5. Как правильно интерпретировать полученные сегменты (определение семейного положения покупателя по тому, что он купил и др.)

Практический пример сегментации в области fashion-ритейла

1. Сегментация клиентов по товарным предпочтениям на реальных данных
2. Подбор технически верного метода для работы с данными
3. Интерпретация полученных результатов в команде

Подробная программа

Спикер — CBDO рекомендационного сервиса Softcube, эксперт в Machine Learning Роман Захаров

• 7 лет использует R
• 10 лет занимается машинным обучением
• 4 года преподавательской деятельности в Universite Catholique de Louvain (Бельгия)
• 3 года научных исследований в среде Matlab (Octave)
• совладелец Softcube, занимается разработкой математических моделей для рекомендательных систем

Big Data: хватит говорить, давайте заниматься

Как перестать восхищаться таким явлением как Big Data и начать этим заниматься на самом деле? R — язык программирования, позволяющий оперировать с данными без дополнительных интерфейсов, позволяющий решать нетрадиционные задачи и строить индвидуальные управленческие отчеты. Приходите на наш курс и сделайте первый шаг в мир больших данных!

Регистрация на курс