Merci d'avoir envoyé votre demande ! Un membre de notre équipe vous contactera sous peu.
Merci d'avoir envoyé votre réservation ! Un membre de notre équipe vous contactera sous peu.
Plan du cours
Module 1
Introduction à la science des données et applications en marketing
- Aperçu de l'analytique : Types d'analytique - Prédictive, prescriptive, inférentielle
- Pratique de l'analytique en marketing
- Utilisation du Big Data et des différentes technologies - Introduction
Module 2
Le marketing dans un monde numérique
- Introduction au marketing numérique
- Publicité en ligne - Introduction
- Optimisation pour les moteurs de recherche (SEO) - Étude de cas Google
- Marketing sur les réseaux sociaux : Conseils et secrets - Exemples Facebook, Twitter
Module 3
Analyse exploratoire des données et modélisation statistique
- Présentation et visualisation des données - Compréhension des données commerciales à l'aide d'histogrammes, de diagrammes circulaires, de diagrammes en barres et de nuages de points - Inférence rapide - Utilisation de Python
- Modélisation statistique de base - Tendances, saisonnalité, clustering, classifications (seulement les bases, différents algorithmes et utilisations, sans détails) - Code prêt à l'emploi en Python
- Analyse de panier (MBA) - Étude de cas utilisant les règles d'association, le support, la confiance et le levier
Module 4
Analytique marketing I
- Introduction au processus de marketing - Étude de cas
- Utilisation des données pour améliorer la stratégie marketing
- Mesure des actifs de marque, Snapple et valeur de la marque - Positionnement de la marque
- Data mining textuel pour le marketing - Bases du data mining textuel - Étude de cas pour le marketing sur les réseaux sociaux
Module 5
Analytique marketing II
- Valeur à vie du client (CLV) avec calcul - Étude de cas de la CLV pour les décisions commerciales
- Mesure de l'incidence et de l'effet par des expériences - Étude de cas
- Calcul du levier projeté
- Science des données dans la publicité en ligne - Taux de conversion par clic, analytique de site Web
Module 6
Bases de la régression
- Ce que révèle la régression et statistiques de base (pas beaucoup de détails mathématiques)
- Interprétation des résultats de régression - Avec étude de cas utilisant Python
- Compréhension des modèles log-log - Avec étude de cas utilisant Python
- Modèles de mix marketing - Étude de cas utilisant Python
Module 7
Classification et regroupement
- Bases de la classification et du regroupement - Utilisation ; mention des algorithmes
- Interprétation des résultats - Programmes Python avec sorties
- Ciblage des clients utilisant la classification et le regroupement - Étude de cas
- Amélioration de la stratégie commerciale - Exemple de marketing par courriel, promotions
- Nécessité des technologies Big Data dans la classification et le regroupement
Module 8
Analyse des séries chronologiques
- Tendances et saisonnalité - Utilisation d'études de cas basées sur Python - Visualisations
- Différentes techniques de séries chronologiques - AR et MA
- Modèles de séries chronologiques - ARMA, ARIMA, ARIMAX (utilisation et exemples avec Python) - Étude de cas
- Prédiction des séries chronologiques pour les campagnes marketing
Module 9
Moteur de recommandation
- Personnalisation et stratégie commerciale
- Différents types de recommandations personnalisées - Collaboratives, basées sur le contenu
- Différents algorithmes pour les moteurs de recommandation - Basés sur l'utilisateur, basés sur l'article, hybrides, factorisation de matrice (seulement mention et utilisation des algorithmes sans détails mathématiques)
- Métriques de recommandation pour le revenu incrémental - Étude de cas détaillée
Module 10
Maximisation des ventes grâce à la science des données
- Bases de la technique d'optimisation et ses utilisations
- Optimisation des stocks - Étude de cas
- Augmentation du ROI grâce à la science des données
- Lean Analytics - Accélérateur de startups
Module 11
Science des données dans les prix et promotions I
- Prix - La science d'une croissance rentable
- Techniques de prévision de la demande - Modélisation et estimation de la structure des courbes de demande en réponse aux prix
- Décision de prix - Comment optimiser la décision de prix - Étude de cas utilisant Python
- Analytique des promotions - Calcul de la base et modèle de promotion commerciale
- Utilisation des promotions pour une meilleure stratégie - Spécification du modèle de ventes - Modèle multiplicatif
Module 12
Science des données dans les prix et promotions II
- Gestion du revenu - Comment gérer des ressources périssables avec plusieurs segments de marché
- Groupement de produits - Produits à rotation rapide et lente - Étude de cas avec Python
- Tarification des biens et services périssables - Tarification aérienne et hôtelière - Mention des modèles stochastiques
- Métriques de promotion - Traditionnelles et sociales
Pré requis
Aucune exigence spécifique n'est requise pour suivre ce cours.
21 Heures
Nos clients témoignent (1)
Les exercices pratiques liés au contenu aident vraiment à mieux comprendre chaque sujet. De plus, le fait de commencer les cours par une leçon puis de continuer avec des exercices pratiques est une bonne méthode qui aide à relier le contenu de la leçon précédente.
Nazeera Mohamad - Ministry of Science, Technology and Innovation
Formation - Introduction to Data Science and AI using Python
Traduction automatique
