Pazarlama ve perakendeyi tahmin modelleriyle yönet
Pazarlama ve perakende için kestirimci analitik vaka eğitimi: churn ve satın alma eğilimi için lojistik regresyon ve gradient boosting, RFM özellik mühendisliği, kampanya uplift modelleme ve Qini değerlendirmesi, talep/satış regresyonu, ROC/AUC ve lift ile iş…
Churn, eğilim (propensity), uplift ve talep modelleriyle vaka çalışmaları
Bu orta seviye eğitim, kestirimci analitiği pazarlama ve perakende vakaları üzerinden uygulamalı öğretir. Müşteri kaybı (churn) tahmini için lojistik regresyon ve ağaç tabanlı modeller; satın alma eğilimi (propensity) ve çapraz/yukarı satış skorlaması işlenir. Ardından kampanya uplift (artan etki) modellemesi, talep ve satış tahmini için regresyon; perakendeye özgü özellik mühendisliği (RFM, mevsimsellik, sepet büyüklüğü), dengesiz sınıf, model değerlendirme (ROC/AUC, lift, precision-recall) ve iş kararına bağlama uygulanır. Katılımcılar gerçek benzeri veriyle pazarlama/perakende tahmin modelleri kurup değerlendirir.
3 Gün. Her gün dört modül; katılımcılar churn, eğilim, uplift ve talep vakalarında model kurma ve değerlendirme eksenlerinde ilerler.
Orta Seviye — Pazarlama ve perakende vakalarıyla kestirimci analitik: churn, satın alma eğilimi, uplift ve talep modelleri, özellik mühendisliği ve model değerlendirmenin uygulamalı kullanımı.
Katılımcılar Python/R ile gerçek benzeri pazarlama ve perakende veri setleri üzerinde tahmin modelleri kurar, değerlendirir ve iş kararına bağlar.
Kaybetme riski yüksek müşteriyi önceden belirleyip elde tutma kurgularsınız.
Satın alma eğilimiyle kampanyayı doğru müşteriye hedeflersiniz.
Uplift modeliyle kampanyanın gerçek artan etkisini ölçersiniz.
Eğitimden verim almak için faydalı olacak bilgi ve ortam gereksinimleri
Olasılık, dağılım ve korelasyon kavramlarına aşinalık faydalıdır.
Temel düzeyde Python (pandas) veya R aşinalığı beklenir.
Sınıflandırma/regresyon kavramına temel aşinalık avantajdır.
CRM, kampanya ve müşteri yaşam döngüsüne aşinalık örnekleri anlamlı kılar.
Programın gün gün akışı aşağıdadır. Bir güne tıklayarak o günün modüllerini ve içeriklerini görebilirsiniz.
Program sonunda katılımcılar:
İş sorusunu churn/eğilim gibi tahmin problemine dönüştürürsünüz.
RFM ve davranışsal özniteliklerle güçlü özellikler üretirsiniz.
Lojistik regresyon ve gradient boosting ile churn/eğilim tahmin edersiniz.
ROC/AUC, lift ve precision-recall ile modeli iş değerine göre ölçersiniz.
Uplift modeliyle kampanyanın gerçek artan etkisini hesaplarsınız.
Skor eşiğiyle kampanyayı doğru müşteri grubuna yönlendirirsiniz.
Regresyonla perakende talep ve satışını tahmin edersiniz.
Model çıktısını ROI ve aksiyonla iş kararına dönüştürürsünüz.
Bu eğitim Digital Vizyon Akademi Başarı Sertifikası ile tamamlanır.
Eğitim başında “Ön Test”, bitiminde “Son Test” uygulanarak gelişim ölçümlenir. Değerlendirme formunu dolduran katılımcılar sertifikalarını alır. Sertifikanızın geçerliliğini Sertifika Sorgulama sayfasından doğrulayabilirsiniz.
R ile zaman serisi analizi eğitimi: ts/xts nesneleri, STL ayrıştırma, ADF/KPSS durağanlık, ACF/PACF, ARIMA/SARIMA modelleme ve artık tanılaması.
Detayları Gör →
R ile tahminleme eğitimi: ETS, ARIMA/ARIMAX, TBATS, Prophet, hiyerarşik uzlaştırma, backtesting ve MASE/çapraz doğrulama ile doğruluk değerlendirmesi.
Detayları Gör →
Zaman serisi modelleme eğitimi: bileşenler, ARIMA ve üssel düzgünleştirme, lag/pencere özellikleriyle ML modelleri, zaman temelli doğrulama ve MASE.
Detayları Gör →
Veri dönüştürme eğitimi: biçim/şekil değişimi, zenginleştirme, şema doğrulama, mutabakat ve idempotent tekrarlanabilir dönüşüm boru hatları. SQL ve Python ile.
Detayları Gör →
Veri entegrasyonu sorun giderme eğitimi: bağlantı ve şema arızaları, schema drift, performans darboğazı, geç gelen veri, kalite hataları ve kök neden analizi.
Detayları Gör →