Как аналитику научиться предсказывать первую покупку и как это использовать?
Узнаете 1 июля в 19:00 (мск) на бесплатном онлайн-вебинаре от ProductStar.
👨🏫 Вместе с Александром Труфановым, Бизнес-аналитиком в Worki, мы:
— В общих чертах обсудим модели деревьев решений, — Построим собственную модель предсказания покупки, — Попробуем понять, как и какой признак влияет на вероятность покупки, — Поговорим, где можно применять такие предсказания.
На вебинаре ProductStar разыграет 4 сертификата номиналом 10.000₽ на свои курсы.
Интенсив-практикум «Прикладной бизнес-анализ с нуля»🔥
За 6 дней получите навыки анализа данных и подготовьте дашборд в Power BI c 10 показателями управленческой отчетности для анализа продаж. Без воды - только практика. Сокращайте время на отчеты, прокачивайте навыки.
Что будет? - Введение в Business Intelligence - Основные методы математического и статистического анализа и прогнозирования - Введение в инструментарий Power BI - Инструментарий Power BI - Дашборд «План – фактный анализ» - Защита выпускных проектов - Домашние задания с проверкой от экспертов
Интенсив ведут 3 эксперта, в том числе: Олег Поддубный, 12 лет в анализе данных (Microsoft и Prestigio), 17 лет в продажах.
В Google Analytics есть классная фича — взвешенная сортировка. Она позволяет видеть в начале таблицы строки с не только с самым высоким относительным показателем (например, конверсией), но и с максимально значимыми данными (например, с большим количеством сеансов). Нашел статью, где приведен пример расчета взвешенных показателей на данных из Google BigQuery с последующей визуализацией в Google Data Studio: https://bit.ly/2Mm69VQ
Определение ценности рекламных каналов и оценка их вклада в привлечение новых клиентов на основе онлайн/офлайн данных о выдаче заказов и источниках заявок. Пример модели атрибуции в BigQuery от Дмитрия Ильина.
Matrix Factorization - новая модель BigQuery ML, позволяет реализовать алгоритм коллаборативной фильтрации (видео от Netflix).
В сети уже появился пример такого решения в BigQuery для рекомендательной системы статей на сайте. В качестве рейтинга используется время, проведенное на странице.