MC2b

Opis kursu

Kurs dotyczy praktycznych aspektów wykorzystania technik analizy danych w selekcji klientów do kampanii marketingu bezpośredniego. Analitycy kierujący kampaniami do dużej liczby klientów naciskani są na taki dobór klientów do kampanii, aby z okresu na okres zwiększyć ich wartość. Wiedza biznesowa w tym procesie jest kluczowa, ale można ją dodatkowo wesprzeć. Jeżeli ma się odpowiednie dane na temat historii zachowań klientów, modelowanie grup docelowych może być strzałem w dziesiątkę - zwrot z kampanii wzrośnie. Ale odpowiednie wykorzystanie modeli predykcyjnych to też wiedza. Praca nad modelami predykcyjnymi to ciągły proces – z jednej strony zawsze mogą lepiej przewidywać zachowanie klientów, z drugiej wymagają odświeżenia w ciągle zmieniających się realiach biznesowych. Podczas udoskonalania modeli ważne jest, aby analityk świadomie wybierał techniki analityczne, mając świadomość, jak pracują oraz jakie mają względem siebie przewagi. W ramach kursu uczestnicy dowiedzą się, jak działają m.in. zaawansowane algorytmy klasyfikacyjne czy algorytmy indukcji reguł, a także jak ich używać, monitorować efekty i wdrażać do systemów kampanijnych.

Profil uczestnika

Kurs adresowany jest do osób, które chcą tworzyć lub tworzą analityczne modele predykcyjne do selekcji klientów do kampanii marketingu bezpośredniego.

Umiejętności zdobywane podczas kursu

• Wiedza na temat wykorzystania technik data mining we wsparciu kampanii marketingu bezpośredniego,
• Tworzenie grup docelowych z wykorzystaniem technik klasyfikacyjnych i algorytmów asocjacyjnych,
• Wiedza na temat wpływu ograniczeń operacyjnych i uwarunkowań biznesowych na budowę modeli,
• Ocena jakości procesu tworzenia grup docelowych,
• Zapoznanie z różnymi podejściami do integracji z systemami do operacyjnego zarządzania kampaniami,
• Znajomość zasad monitorowania skuteczności kampanii i oceny ich skuteczności.

Program zajęć

1. Kampanie marketingu bezpośredniego – wprowadzenie,
2. Budowa modeli klasyfikacyjnych na potrzeby typowania grup docelowych,
3. Budowa modeli hybrydowych opartych o kilka technik modelowania,
4. Klasyczne modele typu „odpowie/nie odpowie”, a klasyfikacja do wielu alternatywnych kategorii,
5. Użycie technik regresyjnych w klasyfikacji,
6. Wybór klientów do jednej z kampanii w kontekście równoległego użycia wielu modeli,
7. Kampanie wychodzące a kampanie przychodzące i ich wpływ na postać modelu,
8. Budowa modeli rekomendacji produktowych z użyciem indukcji reguł asocjacyjnych,
9. Kryteria szeregowania rekomendacji i tworzenie list rekomendacji,
10. Wykorzystanie modeli w adresowaniu działań do klientów,
11. Sposoby podejścia do testowania efektywności modeli,
12. Wybrane aspekty monitorowania jakości i trwałości modeli produkcyjnych.

Czas trwania

• Szkolenie trwa 16 godzin lekcyjnych (2 dni po 8h)

Wykorzystywane oprogramowanie

• PS CLEMENTINE PRO / IBM SPSS Modeler

Polecane kursy uzupełniające

Dla zainteresowanych pogłębieniem wiedzy z zakresu przygotowania danych i tworzenia danych analitycznych:

DM 2 - Zrozumienie, ocena jakości i przygotowanie danych do modelowania