Marketing Data Science: Tecniche di modellazione nell'analisi predittiva con R e Python

Recensioni dei lettori

Il libro è una risorsa completa per la scienza dei dati di marketing, che offre esempi dettagliati di codifica in Python e R. Sebbene abbia ricevuto apprezzamenti per il suo contenuto prezioso e la sua chiarezza, molti recensori hanno notato che presuppone una conoscenza preliminare della programmazione e dell'analisi, il che potrebbe mettere in difficoltà i principianti. Anche l'organizzazione del libro è stata oggetto di critiche: alcuni l'hanno trovata confusa o densa. Nel complesso, si tratta di un riferimento efficace per coloro che hanno un certo background nella scienza dei dati e nel marketing.

Ben scritto, con spiegazioni chiare, ottimi esempi reali ed esempi di codice in Python e R, copertura completa delle tecniche di marketing data science, efficace per i lettori con conoscenze di programmazione e preziose appendici con casi di studio.

Presuppone una familiarità con R e Python, può essere denso e impegnativo per i principianti, alcuni lettori hanno notato una scarsa organizzazione e presentazione, e manca di istruzioni di base sulla programmazione o sui concetti di marketing.

(basato su 30 recensioni dei lettori)

Titolo originale:

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

Contenuto del libro:

Ora, un leader del prestigioso programma di analisi della Northwestern University presenta una trattazione completamente integrata degli elementi commerciali e accademici delle applicazioni di marketing nell'ambito dell'analisi predittiva. Scrivendo sia per i manager che per gli studenti, Thomas W. Miller spiega i concetti essenziali, i principi e la teoria nel contesto delle applicazioni del mondo reale.

Basandosi sul programma pionieristico di Miller, Marketing Data Science affronta in modo approfondito la segmentazione, il marketing mirato, il posizionamento di marchi e prodotti, lo sviluppo di nuovi prodotti, la modellazione delle scelte, i sistemi di raccomandazione, la ricerca sui prezzi, la selezione dei siti di vendita al dettaglio, la stima della domanda, le previsioni di vendita, la fidelizzazione dei clienti e l'analisi del valore di vita.

Partendo dal punto in cui Miller aveva lasciato l'apprezzato Modeling Techniques in Predictive Analytics, integra informazioni e approfondimenti cruciali che in precedenza erano stati segregati in testi di web analytics, scienza delle reti, tecnologia dell'informazione e programmazione. La trattazione comprende:

⬤  Il ruolo dell'analitica nel fornire messaggi efficaci sul web.

⬤  La comprensione del web attraverso la comprensione delle sue strutture nascoste.

⬤  Essere riconosciuti sul web - e osservare i propri concorrenti.

⬤  Visualizzazione delle reti e comprensione delle comunità al loro interno.

⬤  Misurazione del sentiment e formulazione di raccomandazioni.

⬤  Sfruttando i metodi chiave della scienza dei dati: database/preparazione dei dati, statistica classica/bayesiana, regressione/classificazione, apprendimento automatico e analisi dei testi.

Sei casi di studio completi affrontano questioni di eccezionale rilevanza come: separare le e-mail legittime dallo spam; identificare informazioni legalmente rilevanti per la scoperta di cause legali; ricavare informazioni dai dati anonimi della navigazione web e altro ancora. L'ampia serie di problemi web e di rete di questo testo attinge a ricche fonti di dati di dominio pubblico; molti di essi sono accompagnati da soluzioni in Python e/o R.

Marketing Data Science sarà una risorsa preziosa per tutti gli studenti, i docenti e i professionisti del marketing che desiderano utilizzare la business analytics per migliorare le prestazioni del marketing.