Pagdidisenyo ng Marketing Mix Model gamit ang Modernong Bayesian at ML Techniques

Ang pagbuo ng isang Marketing Mix Model na nakakakuha ng tiwala ay nangangailangan ng higit pa sa pagpapatakbo ng isang algorithm sa ilang quarter ng gastos. Ang data na iyong binubuo, ang mga prior na iyong pinipili, ang paraan ng iyong pagpapatunay laban sa mga holdout, at ang mga visualization na iyong inaalok sa mga marketer ay lahat nagpapasya kung ang modelo ay gagamitin o itatabi. Ang kursong ito ay dumadaan sa mga pagpipiliang iyon sa pagkakasunud-sunod kung saan karaniwan silang lumilitaw. Magtatrabaho ka sa mga nakasulat na pagsasanay sa disenyo na sumasalamin kung paano magpaplano ang isang marketing analytics team ng isang modernong MMM. Ang diin ay nasa mga praktikal na tradeoff na mahalaga kapag ang data ay magulo, ang mga channel ay nag-o-overlap, at ang mga stakeholder ay nagtatanong ng mahihirap na tanong. Ano ang iyong matututunan: - Pagbuo at paglilinis ng marketing spend, benta, at panlabas na data kasama ang mga signal sa ekonomiya at kumpetisyon - Pag-engineer ng mga feature para sa adstock, saturation, at seasonality na may malinaw na mga assumption sa domain - Paghahambing ng mga pamamaraan ng Bayesian MMM at mga extension ng machine learning kabilang ang gradient boosting at neural networks - Pagpapatunay ng mga modelo gamit ang mga holdout, geo experiment, at mga pagsusuri sa pagkakapare-pareho sa mga panahon - Pagsasalin ng mga output ng modelo sa mga rekomendasyon sa badyet at mga plano sa scenario - Pagbuo ng mga tool sa visualization at pag-uulat na tumutulong sa mga marketer na tuklasin ang mga tradeoff nang interactive Ang kurso ay umuusad mula sa paghahanda ng data hanggang sa feature engineering, pagmomodelo, pagpapatunay, at pag-uulat. Ang isang capstone na nakasulat na pagsasanay ay humihiling sa iyo na gumawa ng isang one-page na disenyo para sa isang MMM project na naka-target sa isang partikular na brand at channel mix. Ang kursong ito ay idinisenyo para sa mga data scientist, marketing analyst, at decision scientist na may ilang background sa software. Hindi kinakailangan ang anumang naunang karanasan sa MMM. Tinatrato ng kurso ang modelo bilang isang problema sa disenyo at nananatiling malapit sa kung paano aktwal na nagpaplano at nagsusuri ang mga tunay na marketing team.