Marketingová datová věda: Modelovací techniky v prediktivní analýze s R a Pythonem

Recenze čtenářů

Kniha je komplexním zdrojem informací o marketingové datové vědě a nabízí podrobné příklady kódování v jazycích Python a R. Přestože se jí dostalo pochvaly za její hodnotný obsah a srozumitelnost, mnoho recenzentů upozorňuje, že předpokládá předchozí znalosti programování a analytiky, což může začátečníkům působit potíže. Kritice čelila také organizace knihy, kterou někteří považují za nepřehlednou nebo nepřehlednou. Celkově však slouží jako účinná příručka pro ty, kteří mají určité základy v oblasti datových věd a marketingu.

Dobře napsaná, s jasnými vysvětlivkami, skvělými příklady z reálného světa a ukázkami kódu v jazycích Python a R, komplexním pokrytím technik marketingové datové vědy, efektivní pro čtenáře se znalostí programování a cennými přílohami s případovými studiemi.

Předpokládá znalost R a Pythonu, pro začátečníky může být hutná a náročná, někteří čtenáři upozornili na špatnou organizaci a prezentaci a chybí základní poučení o programování nebo marketingových koncepcích.

(na základě 30 hodnocení čtenářů)

Původní název:

Marketing Data Science: Modeling Techniques in Predictive Analytics with R and Python

Obsah knihy:

Nyní , vedoucí prestižního analytického programu Northwestern University představuje plně integrované pojednání o obchodních i akademických prvcích marketingových aplikací v prediktivní analytice. Thomas W. Miller píše pro manažery i studenty a vysvětluje základní koncepty, principy a teorii v kontextu reálných aplikací.

V návaznosti na Millerův průkopnický program se Marketing Data Science důkladně zabývá segmentací, cíleným marketingem, pozicováním značky a produktu, vývojem nových produktů, modelováním výběru, doporučovacími systémy, výzkumem cen, výběrem maloobchodních lokalit, odhadem poptávky, předpovědí prodeje, udržením zákazníků a analýzou celoživotní hodnoty.

Začíná tam, kde skončily Millerovy široce oceňované Modelovací techniky v prediktivní analýze, a integruje zásadní informace a poznatky, které byly dříve odděleny v textech o webové analytice, síťové vědě, informačních technologiích a programování. Zahrnuje:

⬤  Úloha analytiky při poskytování efektivních sdělení na webu.

⬤  Porozumění webu prostřednictvím pochopení jeho skrytých struktur.

⬤  Být na webu rozpoznatelný - a sledovat vlastní konkurenci.

⬤  Vizualizace sítí a porozumění komunitám v nich.

⬤  Měření nálad a vydávání doporučení.

⬤  Využívání klíčových metod datové vědy: databáze/příprava dat, klasická/Bayesova statistika, regrese/klasifikace, strojové učení a textová analýza.

Šest kompletních případových studií se zabývá mimořádně důležitými otázkami, jako jsou: oddělení legitimních e-mailů od spamu; identifikace právně relevantních informací pro odhalení soudních sporů; získávání poznatků z anonymních dat o surfování na webu a další. Rozsáhlý soubor webových a síťových problémů čerpá z bohatých zdrojů dat z veřejných domén; mnohé z nich jsou doplněny řešeními v jazyce Python a/nebo R.

Marketingová datová věda bude neocenitelným zdrojem informací pro všechny studenty, vyučující i profesionální marketéry, kteří chtějí využívat obchodní analytiku ke zlepšení marketingové výkonnosti.