Solo pochi attimi di attesa

Posizione corrente:

Ti trovi in: Home » Scuola di Formazione Aziendale » Analisi dei dati » Data Mining e Machine Learning per il MARKETING

Data Mining e Machine Learning per il MARKETING

Segmentazione della clientela, scoring, previsione di market trends, strategie up e cross selling, market basket analysis: strumenti e metodi di Data Mining e Machine Learning per il Marketing

Il corso presenta diverse tecniche di Data Mining e Machine Learning – dall’analisi dei cluster alla regressione, dai classificatori agli alberi di decisione, dalle regole di associazione ai modelli bayesiani – utili all’analisi dei dati per problemi di Marketing.

Obiettivi

Data Mining e Machine Learning offrono risposte efficaci ed innovative a numerose e complesse questioni di Marketing.

Ad esempio: studio dei comportamenti di consumo di clienti acquisiti o potenziali, inclusa la segmentazione della clientela, lo scoring, la stima dell’abbandono; previsione e/o identificazione di market trends in base alle scelte di consumatori e concorrenti; elaborazione di strategie di vendita incrementale (up selling) o incrociata (cross selling) a clienti fidelizzati; associazione di prodotti/servizi (sugli scaffali, in un pacchetto, ecc.) finalizzata ad ottimizzare le vendite; personalizzazione di campagne promozionali, specie di direct marketing, associando prodotti/servizi e profili di clientela.

Il partecipante apprenderà varie tecniche per affrontare questi ed altri problemi: dall’analisi dei cluster ai modelli lineari di regressione e classificazione, dagli alberi decisionali utilizzabili per entrambe le finalità alle regole di associazione con la loro classica applicazione – la Market Basket Analysis – fino ai modelli bayesiani per trattare l’incertezza che caratterizza molti contesti decisionali.  Ci si focalizzerà sui modelli, sulle ipotesi retrostanti, sui dati richiesti, sui risultati generati e sulla loro interpretazione; le applicazioni si concentreranno su problemi di Marketing come quelli sopra elencati.

Didattica

Le lezioni mixano elementi teorici essenziali con esempi ed applicazioni pratiche su dati reali, illustrative delle varie tecniche, sfruttando software open source e software a licenza piuttosto comuni come Matlab.

Destinatari

Il corso è rivolto a manager, addetti, consulenti in area Marketing, Promozione, Vendite, Commerciale, con competenze e seniority diverse, interessati ad un approccio analitico innovativo alla risoluzione di questioni cruciali per lo sviluppo delle proprie organizzazioni.


Data Mining e Machine Learning

Programma

  1. Analisi dei cluster

    Consente di raggruppare i dati per similitudine. Verranno presentati gli algoritmi più comuni: quello gerarchico – che permette anche di visualizzare il processo di formazione dei cluster con il dendrogramma – ed il k-means, che determina l’appartenenza ad un gruppo in base alle distanze dalle “medie” dei vari cluster. [4 ore]

  2. Regressione lineare 

    Consente di stimare una relazione lineare tra una variabile di interesse ed una (regressione semplice) o più (regressione multipla) variabili che possono spiegarla. Verrà esaminato il caso in cui la relazione è affetta da errori sferici e Gaussiani; si vedrà come si stimano i suoi coefficienti, si misurerà la sua capacità di spiegare i dati osservati, si vedrà come condurre test statistici sui coefficienti e come sfruttare il modello a fini previsivi. [5 ore]

  3. Classificazione lineare e logistica

    Una procedura di classificazione assegna i dati ad una di due o più categorie o gruppi di interesse. Verranno introdotti i modelli lineari di classificazione basati su funzioni di discriminazione ed applicato l’algoritmo dei minimi quadrati per la classificazione. Verrà poi studiato l’approccio alla classificazione basato sulla regressione logistica. [4 ore]

  4. Alberi decisionali

    Sono modelli non parametrici utilizzabili sia per problemi di classificazione che di regressione. Si mostrerà come costruire l’abero (nodi, archi, foglie) basandosi sui concetti di entropia e di information gain e come limitarne la “crescita” adottando opportuni criteri di splitting e di pruning; in particolare, ci si soffermerà sull’algoritmo CART, il più popolare per la costruzione di alberi binari ed alla base di algoritimi per la costruzione di alberi più complessi. [3 ore]

  5. Market Basket Analysis

    E’ un insieme di tecniche utilizzate soprattutto in ambito marketing (ma non solo) per studiare i comportamenti di consumo dei clienti nella vendita al dettaglio. Si studieranno le regole di associazione tra transazioni ed item, uni e multi dimensionali, la loro implementazione tramite algoritmo Apriori ed altri algoritimi che ne migliorano l’efficienza. [3 ore]

  6. Modelli bayesiani – Sono modelli che sfruttano il celebre teorema di Bayes, che consente di aggiornare la probabilità di un evento quando nuove informazioni su di esso sopraggiungono. Dopo un cenno all’inferenza bayesiana, si discuteranno i classificatori bayesiani – utili quando l’assegnazione dei dati alle classi è affetta da incertezza – e le reti bayesiane – modelli decisionali per problemi caratterizzati da relazioni incerte tra le variabili in gioco, che sfruttano i dati osservati per aggiornare le probabilità rilevanti per il decisore. [5 ore]

Personalizzazioni

La SFA è disponibile a valutare richieste di personalizzazione del programma del corso sotto vari profili. Puoi aggiungere argomenti funzionali agli obiettivi formativi, anche in sostituzione di argomenti in programma valutati di minor interesse. Puoi aggiungere prerequisiti, qualora tu ritenga di non avere le conoscenze di base necessarie per affrontate uno o più argomenti. Possiamo anche calibrare la didattica dando maggiore attenzione agli aspetti teorici o, viceversa, a quelli operativi.

Erogazione

Il corso prevede 24 ore di lezione erogate da uno o più Tutor della SFA; si suggerisce un minimo di 3-4 ore a settimana. Gli orari di lezione vanno concordati con i Tutor; si assicura ogni sforzo per accomodare le preferenze di giorni/orari dei partecipanti, entro l’orario di servizio (08:00 – 22:00, lunedì – domenica). Al termine del corso si rilascia un attestato di partecipazione riportante il programma svolto e firmato dal corpo docente. Si potrà anche richiedere la certificazione delle conoscenze acquisite previo superamento di una prova d’esame.

Quota di partecipazione

  • 1 pacchetto da 24 ore a € 768,00 (iva esclusa), acquistabile in un’unica soluzione.
  • 3 pacchetti da 8 ore l’uno a € 270,00 a pacchetto (iva esclusa), acquistabili separatamente.

La quota di partecipazione può variare in caso di personalizzazione del programma e si riferisce all’erogazione ad un solo partecipante, in aula virtuale tramite la nostra piattaforma (Tutoring Room). Contatta il nostro Staff per informazioni sul costo del corso in caso di erogazione a due o più partecipanti e/o in aula tradizionale.

Guida alla Tutoring Room

Corsi collegati

DM e ML: una panoramica
Metodologie di DM e ML (BASE)
Metodologie di DM e ML (INTERMEDIO)
Metodologie di DM e ML (AVANZATO)
Analisi delle Serie Storiche

Vuoi maggiori informazioni?

Scopri di cosa parliamo

Neque porro quisquam est, qui dolorem ipsum quia dolor sit amet, consectetur, adipisci velit, sed quia non numquam eius modi tempora incidunt ut labore et dolore magnam aliquam keywords.