Dopo aver seguito questi corsi, mi sento sicuro nel creare visualizzazioni e dashboard professionali
Shoebur RahmanSpecialista degli acquisti, Giz Bangladesh
Descrizione del corso
Cosa hanno in comune i suggerimenti di prodotti su Amazon e i consigli sui film di Netflix? Si basano entrambi sulla Market Basket Analysis, uno strumento potente per trasformare enormi quantità di dati sulle transazioni e sulle visualizzazioni dei clienti in semplici regole per promozioni e raccomandazioni di prodotti. In questo corso imparerai a svolgere la Market Basket Analysis usando l'algoritmo Apriori, metriche standard e personalizzate, regole di associazione, aggregazione e potatura, e visualizzazione. Metterai poi in pratica le nuove competenze con esercizi interattivi, creando raccomandazioni per un piccolo negozio di alimentari, una biblioteca, un venditore di e-book, un rivenditore di gadget e un servizio di streaming di film. Nel farlo, scoprirai insight nascosti per migliorare le raccomandazioni ai clienti.
Prerequisiti
Programma
Struttura del corso
1
Introduzione alla Market Basket Analysis
In questo capitolo imparerai le basi della Market Basket Analysis: regole di associazione, metriche e potatura. Metterai poi in pratica questi concetti per aiutare un piccolo negozio di alimentari a migliorare le promozioni e il posizionamento dei prodotti.
- Che cos’è la market basket analysis?50 XP
- Le basi della market basket analysis50 XP
- Cross-selling dei prodotti100 XP
- Identificare le regole di associazione50 XP
- Antecedenti e conseguenti multipli100 XP
- Preparare i dati per la market basket analysis100 XP
- Generare regole di associazione100 XP
- La metrica più semplice50 XP
- One-hot encoding dei dati di transazione100 XP
- Calcolare la metrica di supporto100 XP
2
Regole di associazione
Le regole di associazione ci dicono che due o più articoli sono correlati. Le metriche ci permettono di quantificare l'utilità di queste relazioni. In questo capitolo applicherai sei metriche per valutare le regole di associazione: supporto, confidenza, lift, conviction, leverage e la metrica di Zhang. Userai quindi regole di associazione e metriche per aiutare una biblioteca e un venditore di e-book.
3
Aggregazione e potatura
Il problema fondamentale della Market Basket Analysis è capire come tradurre enormi quantità di decisioni dei clienti in un numero ridotto di regole utili. Questo processo in genere inizia con l'applicazione dell'algoritmo Apriori e include ulteriori strategie, come la potatura e l'aggregazione. In questo capitolo imparerai a usare questi metodi e li applicherai in esercizi in cui aiuterai un rivenditore a scegliere il layout di un negozio fisico e a realizzare promozioni incrociate dei prodotti.
4
Visualizzare le regole
In questo capitolo finale imparerai come le visualizzazioni guidano il processo di potatura e riassumono i risultati finali, che in genere assumono la forma di insiemi di articoli o regole. Dominerai le tre visualizzazioni più utili — heatmap, scatter plot e grafici a coordinate parallele — e le applicherai per aiutare un servizio di streaming di film.
Analisi del carrello in Python
Corso
completato
