Modern Bayesian ve Makine Öğrenmesi Teknikleriyle Pazarlama Karması Modeli Tasarımı

Güven kazanan bir Pazarlama Karması Modeli oluşturmak, birkaç çeyrek harcama üzerinde bir algoritma çalıştırmaktan daha fazlasını gerektirir. Bir araya getirdiğiniz veriler, seçtiğiniz önsel bilgiler, holdout'lara karşı doğrulama şekliniz ve pazarlamacılara sunduğunuz görselleştirmeler, modelin kullanılıp rafa kaldırılacağını belirler. Bu kurs, bu seçimleri tipik olarak ortaya çıktıkları sırayla ele alacaktır. Pazarlama analitik ekibinin modern bir MMM planlayacağı şekilde yansıtılan yazılı tasarım egzersizleri üzerinde çalışacaksınız. Vurgu, verilerin karmaşık olduğu, kanalların örtüştüğü ve paydaşların zor sorular sorduğu durumlarda önemli olan pratik ödünleşimler üzerindedir. Neler öğreneceksiniz: - Pazarlama harcamaları, satışlar ve ekonomik ve rekabetçi sinyaller dahil olmak üzere harici verileri birleştirme ve temizleme - Açık alan varsayımlarıyla adstock, doygunluk ve mevsimsellik için özellikler mühendisliği - Gradient boosting ve sinir ağları dahil olmak üzere Bayesian MMM yaklaşımlarını ve makine öğrenmesi uzantılarını karşılaştırma - Holdout'lar, coğrafi deneyler ve dönemler boyunca tutarlılık kontrolleriyle modelleri doğrulama - Model çıktılarını bütçe önerilerine ve senaryo planlarına çevirme - Pazarlamacıların ödünleşimleri etkileşimli olarak keşfetmelerine yardımcı olan görselleştirme ve raporlama araçları oluşturma Kurs, veri hazırlığından özellik mühendisliği, modelleme, doğrulama ve raporlamaya kadar ilerler. Bir capstone yazılı egzersizi, belirli bir marka ve kanal karmasını hedefleyen bir MMM projesi için tek sayfalık bir tasarım taslağı hazırlamanızı ister. Bu kurs, bazı yazılım geçmişine sahip veri bilimcileri, pazarlama analistleri ve karar bilimcileri için tasarlanmıştır. Önceden MMM deneyimi gerekmez. Kurs, modeli bir tasarım problemi olarak ele alır ve gerçek pazarlama ekiplerinin nasıl planladığına ve değerlendirdiğine yakın kalır.