Giá trị p, hệ số R-bình phương và đường trung bình trượt

Create Your Free Account

By continuing, you accept our Terms of Use, our Privacy Policy and that your data is stored in the USA.

Bài tập này là một phần của khóa học

Phân tích Marketing với Tableau

SkillTag.level.intermediateSkillTag.label

4.8+

Trong chương một, bạn sẽ nắm vững những kiến thức cơ bản về dữ liệu và phân tích marketing, bắt đầu từ cách dữ liệu được tạo ra và lưu trữ. Bạn sẽ tìm hiểu các kênh marketing, hành trình, và cách chúng được định nghĩa. Đến cuối chương, bạn sẽ có thể tái cấu trúc dữ liệu để nhận diện các hành trình đó và phân bổ điểm tín dụng cho tương tác thông qua các mô hình attribution khác nhau.

Exercise 1: Phân tích marketing trong Tableau Exercise 2: Chức năng của cookie Exercise 3: Ví dụ về dữ liệu web Exercise 4: Lưu lượng có thể nhận diện Exercise 5: Phân khúc khách hàng Exercise 6: Cờ mua hàng của người dùng Exercise 7: Touchpoint, hành trình và phân bổ Exercise 8: Mô hình phân bổ (Attribution)Exercise 9: Bù trừ dữ liệu Exercise 10: Prior touch Exercise 11: Chạm kế tiếp Exercise 12: Phân loại touch Exercise 13: First vs. last touch

Trong chương hai, bạn sẽ đi sâu vào hai kênh marketing cụ thể: email và paid social marketing. Bạn sẽ tìm hiểu chiến lược phía sau mỗi kênh, các trường hợp sử dụng điển hình, và hiểu các thành phần cấu thành từng loại hình marketing. Kết thúc chương, bạn sẽ có thể phân tích hiệu suất theo nhiều chỉ số đặc thù của từng kênh và hiểu cách dùng dữ liệu để xác định khu vực cần cải thiện.

Exercise 1: Phễu marketing Exercise 2: Thay đổi click-through rate Exercise 3: Tổng hợp trường tính toán Exercise 4: Tỷ lệ nhấp (Click-through rate)Exercise 5: Tỷ lệ mở Exercise 6: Chẩn đoán Email Exercise 7: Quảng cáo mạng xã hội trả phí và thử nghiệm A/B Exercise 8: A/B testing Exercise 9: Vận hành phân tích Exercise 10: Tỷ lệ click-back Exercise 11: Tỷ lệ tương tác và tỷ lệ mua hàng Exercise 12: Creative Exercise 13: Chỉ số người theo dõi

Trong chương ba, bạn sẽ phát triển thêm từ các phân tích ở chương hai để hiểu rõ hơn hai kênh được sử dụng nhiều khác: paid search và organic marketing. Bạn sẽ học cách mỗi kênh hoạt động, điểm giống và khác nhau, cũng như tầm quan trọng của trang web và chiến lược số. Ngoài ra, bạn sẽ xem xét mối quan hệ giữa các biến dữ liệu và cách xử lý dữ liệu (định tính và định lượng) để thực hiện phân tích. Đến cuối chương, bạn sẽ có thể phân tích hiệu suất qua nhiều chỉ số đặc thù của từng kênh và hiểu cách thay đổi ở một kênh có thể tác động đến kênh khác.

Exercise 1: Quảng cáo tìm kiếm trả phí Exercise 2: Ôn tập về tìm kiếm trả phí Exercise 3: Thao tác với chuỗi Exercise 4: Chi tiêu theo keyword Exercise 5: Mobile vs. desktop Exercise 6: Click-through rate Exercise 7: Organic traffic là gì Exercise 8: Xếp hạng tìm kiếm tự nhiên Exercise 9: Giá trị p, hệ số R-bình phương và đường trung bình trượt

Bài tập hiện tại

Exercise 10: Tỷ lệ tương tác Exercise 11: Nhóm URL Exercise 12: Tương quan giữa các chỉ số Exercise 13: Tương quan giữa các kênh

Trong chương bốn, bạn sẽ kết hợp những gì đã học ở các chương trước để tính toán và phân tích LTV, CAC và tỷ lệ giữa chúng. Bạn sẽ học cách xây dựng các chỉ số này — như giá trị đơn hàng trung bình, độ tuổi, và vòng đời — từ các thành phần cấu thành và xem xét sự thay đổi của chúng. Quay lại phần đã làm về paid marketing, bạn sẽ phân tích sự thay đổi CAC theo thời gian thông qua một bộ dữ liệu đã union, từ đó làm quen với các bộ dữ liệu kết hợp trong Tableau. Cuối cùng, bạn sẽ kết thúc khóa học bằng cách tính LTV/CAC.

Exercise 1: Giới thiệu về LTV Exercise 2: Nhận định về LTV Exercise 3: DATEDIFF và DATEPARSE Exercise 4: Cờ churn Exercise 5: Tỷ lệ rời bỏ (Churn rate)Exercise 6: Kích thước đơn hàng Exercise 7: Giới thiệu về CAC Exercise 8: CAC trong B2B vs. B2C Exercise 9: Dữ liệu đã UNION Exercise 10: CAC của paid social Exercise 11: CAC cho Paid Search Exercise 12: Tổng CAC Exercise 13: LTV/CAC Exercise 14: Video tổng kết