Giới thiệu tới các bạn Cuốn sách Data Science for Marketing Analytics

Bắt đầu ở dữ liệu, không bắt đầu ở thuật toán nổi tiếng

Các phần đầu làm việc với pandas, nhập và kết hợp dữ liệu, xử lý thiếu, khám phá và trực quan hóa. Sau đó sách chuyển sang phân khúc khách hàng bằng học không giám sát, hồi quy và các bài toán dự báo như customer churn, cùng các nội dung phân loại. Cấu trúc này cho thấy mô hình chỉ là một phần của quy trình.

Điểm có ích cho người nghiên cứu marketing là nhìn thấy các nhiệm vụ khác nhau. Phân khúc để mô tả nhóm khách hàng không giống dự báo ai sẽ rời bỏ dịch vụ. Một biến hữu ích cho dự báo cũng chưa tự trở thành bằng chứng về cơ chế nhân quả. Giữ ranh giới này sẽ giúp phần diễn giải không chạy xa hơn thiết kế.

Đọc cùng notebook và câu hỏi kinh doanh

Hãy tái hiện một bài tập nhỏ trước khi đưa bộ dữ liệu lớn của mình vào. Với mỗi bước, ghi điều gì được thay đổi trong dữ liệu và vì sao. Khi chạy được notebook, đọc lại từ đầu như một quy trình mà người khác cần hiểu, thay vì một lịch sử thử nghiệm chỉ có tác giả nhớ.

Kho mã chính thức của Packt là điểm đối chiếu hữu ích cho bài tập trong sách. Tuy nhiên, môi trường Python và thư viện có thể thay đổi từ năm 2021. Nên ghi phiên bản, làm việc trong môi trường riêng và kiểm tra cảnh báo thay vì mặc định mọi đoạn mã vẫn chạy nguyên trạng.

Một bài tập để nối mô hình với quyết định

Tình huống minh họa do Lê Minh tạo: một dịch vụ muốn nhận biết nguy cơ khách hàng ngừng sử dụng. Trước khi chọn thuật toán, ghi thời điểm cần dự báo, thông tin thực sự có ở thời điểm ấy và hành động dự kiến sau dự báo. Một biến chỉ có sau khi khách đã rời đi sẽ không phải đầu vào phù hợp cho quyết định trước đó.

Sau khi học phần mô hình, viết một đoạn mô tả cách kiểm tra kết quả trên dữ liệu chưa dùng để học và chi phí của các loại dự báo sai. Đây là khung thực hành được đề xuất trong bài giới thiệu, không phải kết quả kinh doanh lấy từ sách. Nó giúp đặt chất lượng mô hình cạnh giá trị sử dụng của mô hình.

Đọc nếu bạn muốn học qua việc làm

Sách hợp với người có kiến thức Python cơ bản, học viên marketing analytics và nhà nghiên cứu muốn mở rộng sang dự báo. Người chưa quen lập trình nên dành thời gian cho các chương đầu và kiểm tra dữ liệu bằng tay ở vài bước.

Cuốn này không thay giáo trình về thiết kế nghiên cứu hay suy luận nhân quả. Lý do đáng đọc là khả năng hoàn thành một chuỗi công việc từ dữ liệu thô đến một mô hình có thể giải thích, lưu lại và thử lại. Khi bạn nói được mô hình sẽ hỗ trợ quyết định nào, phần lập trình mới bắt đầu phục vụ đúng bài toán marketing.

Chọn bài đọc tiếp

Có thể đọc tiếp: Marketing Insights from A to Z (Ấn bản thứ nhất · 2003 · tiếng Anh).

Nguồn và ấn bản được giới thiệu