Science des données marketing : Techniques de modélisation en analyse prédictive avec R et Python

Avis des lecteurs

Résumé:

Le livre est une ressource complète pour la science des données marketing, offrant des exemples de codage détaillés en Python et R. Bien qu'il ait reçu des éloges pour son contenu précieux et sa clarté, de nombreux critiques notent qu'il suppose des connaissances préalables en programmation et en analyse, ce qui peut laisser les débutants dans l'embarras. L'organisation de l'ouvrage a également fait l'objet de critiques, certains l'ayant trouvé confus ou dense. Dans l'ensemble, il constitue une référence efficace pour ceux qui ont une certaine expérience de la science des données et du marketing.

Avantages:

Bien écrit avec des explications claires, d'excellents exemples du monde réel et des exemples de code en Python et R, une couverture complète des techniques de science des données marketing, efficace pour les lecteurs ayant des connaissances en programmation, et des annexes précieuses avec des études de cas.

Inconvénients:

Suppose une bonne connaissance de R et de Python, peut être dense et difficile pour les débutants, mauvaise organisation et présentation notées par certains lecteurs, et manque d'enseignement de base sur les concepts de programmation ou de marketing.

(basé sur 30 avis de lecteurs)

Titre original :

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

Contenu du livre :

Aujourd'hui, un responsable du prestigieux programme d'analyse de l'Université Northwestern présente un traitement entièrement intégré des éléments commerciaux et académiques des applications marketing de l'analyse prédictive. S'adressant à la fois aux managers et aux étudiants, Thomas W. Miller explique les concepts essentiels, les principes et la théorie dans le contexte des applications du monde réel.

S'appuyant sur le programme pionnier de Miller, Marketing Data Science traite en profondeur de la segmentation, du marketing ciblé, du positionnement des marques et des produits, du développement de nouveaux produits, de la modélisation des choix, des systèmes de recommandation, de la recherche sur les prix, de la sélection des sites de vente au détail, de l'estimation de la demande, de la prévision des ventes, de la fidélisation de la clientèle et de l'analyse de la valeur à vie.

Reprenant le point de départ du très apprécié Modeling Techniques in Predictive Analytics de Miller, il intègre des informations et des idées cruciales qui étaient auparavant isolées dans des textes sur l'analyse Web, la science des réseaux, la technologie de l'information et la programmation. La couverture comprend :

⬤  Le rôle de l'analyse dans la diffusion de messages efficaces sur le web.

⬤  Comprendre le web en comprenant ses structures cachées.

⬤  Être reconnu sur le web - et surveiller ses propres concurrents.

⬤  Visualiser les réseaux et comprendre les communautés qui s'y trouvent.

⬤  Mesurer le sentiment et faire des recommandations.

⬤  Exploiter les méthodes clés de la science des données : bases de données/préparation des données, statistiques classiques/bayésiennes, régression/classification, apprentissage automatique et analyse de texte.

Six études de cas complètes traitent de questions exceptionnellement pertinentes telles que : la séparation du courrier électronique légitime du spam ; l'identification d'informations juridiquement pertinentes pour la découverte de procès ; l'obtention d'informations à partir de données anonymes de navigation sur le web, et bien plus encore. L'ensemble des problèmes liés au web et aux réseaux présentés dans ce texte s'appuient sur de riches sources de données du domaine public ; nombre d'entre eux sont accompagnés de solutions en Python et/ou R.

L'ouvrage Marketing Data Science sera une ressource inestimable pour tous les étudiants, les professeurs et les professionnels du marketing qui souhaitent utiliser l'analyse commerciale pour améliorer les performances marketing.

Autres informations sur le livre :

• ISBN : 9780133886559
• Auteur : Thomas Miller
• Éditeur : Ft Pr
• Reliure : Relié
• Année de publication : 2015
• Nombre de pages : 480