In this chapter, you will explore the basics of machine learning methods used in marketing. You will learn about different types of machine learning, data preparation steps, and will run several end to end models to understand their power.

Why use ML for marketing? Strategies and use cases

Identify supervised learning examples

Supervised vs. unsupervised learning

Preparation for modeling

Investigate the data

Separate numerical and categorical columns

Encode categorical and scale numerical variables

ML modeling steps

Split data to training and testing

Fit a decision tree

Predict churn with decision tree

Machine learning for marketing basics

In this chapter you will learn churn prediction fundamentals, then fit logistic regression and decision tree models to predict churn. Finally, you will explore the results and extract insights on what are the drivers of the churn.

Churn prediction fundamentals

Explore churn rate and split data

Separate features and target variable

Predict churn with logistic regression

Fit logistic regression model

Fit logistic regression with L1 regularization

Identify optimal L1 penalty coefficient

Predict churn with decision trees

Fit decision tree model

Identify optimal tree depth

Identify and interpret churn drivers

Explore logistic regression coefficients

Break down decision tree rules

Churn prediction and drivers

In this chapter, you will learn the basics of Customer Lifetime Value (CLV) and its different calculation methodologies. You will harness this knowledge to build customer level purchase features to predict next month's transactions using linear regression.

De basis van Customer Lifetime Value (CLV)

Retentie- en churntabellen bouwen

Verken retentie en churn

CLV berekenen en voorspellen

Basis-CLV berekenen

Granulaire CLV berekenen

Traditionele CLV berekenen

Gegevens voorbereiden voor aankoopvoorspelling

Features bouwen

Doelvariabele definiëren

Gegevens splitsen in training en testing

Transacties van klanten voorspellen

Voorspel transacties van volgende maand

Model fit meten

Modelcoëfficiënten verkennen

Customer Lifetime Value (CLV) prediction

This final chapter dives into customer segmentation based on product purchase history. You will explore two different models that provide insights into purchasing patterns of customers and group them into well separated and interpretable customer segments.

Customer and product segmentation basics

Explore customer product purchase dataset

Understand differences in variables

Data preparation for segmentation

Unskew the variables

Normalize the variables

Build customer and product segmentation

Determine the optimal number of clusters

Build segmentation with k-means clustering

Alternative segmentation with NMF

Visualize and interpret segmentation solutions

K-means segmentation averages

NMF segmentation averages

Congratulations!

Customer segmentation

Telecom Dataset

De opkomst van machine learning (klinkt bijna als "rise of the machines", toch?) en het toepassen van statistische methoden op marketing hebben het vakgebied voorgoed veranderd. Machine learning wordt ingezet om customer journeys te optimaliseren, zodat klanttevredenheid en customer lifetime value maximaal zijn. In deze cursus krijg je de basisinstrumenten die je meteen kunt toepassen om de marketingstrategie van je bedrijf te verbeteren. Je leert verschillende technieken gebruiken om klantverloop (churn) te voorspellen en de drijvende factoren te interpreteren, customer lifetime value te meten en te voorspellen, en tot slot klantsegmenten te bouwen op basis van aankoopgedrag. Je werkt met klantdata van een telecombedrijf om churn te voorspellen, stelt een recency-frequency-monetary-gegevensset samen van een online retailer voor CLV-voorspelling, en bouwt klantsegmenten op basis van aankoopdata van een supermarkt.

Supervised Learning with scikit-learn

Van klantwaarde en churn voorspellen tot segmentatie - leer en implementeer ML voor marketing in Python.

Machine Learning voor marketing in Python

Van klantwaarde tot het voorspellen van klantverloop en segmentatie: leer en pas Machine Learning-toepassingen voor marketing toe in Python.

Marketinganalyse in Python

Head of Analytics & Science, Amazon

Basis van Customer Lifetime Value (CLV)

Wat is CLV?

Historische CLV

Basis CLV-formule

Gedeetailleerde CLV-formule

Traditionele CLV-formule

Introductie transactiedataset

Introductie cohort-dataset

Maandelijkse retentie berekenen

Retentietabel

Laten we wat CLV-metrics berekenen!

Customer Lifetime Value (CLV) prediction - De basis van Customer Lifetime Value (CLV)

De basis van Customer Lifetime Value (CLV)

Create Your Free Account