Ưu đãi trong tuần: Nhập mã UD50 giảm 50k cho đơn từ 300k!
Trang chủ
Menu

RA: Retail Customer Analytics and Trade Area Modeling.

RA: Phân Tích Khách Hàng Bán Lẻ và Mô Hình Khu Vực Thương Mại.

RA: Phân Tích Khách Hàng Bán Lẻ và Mô Hình Khu Vực Thương Mại.

EP3: Học Python và ứng dụng Phân tích Khách hàng, Dự đoán Rời bỏ, Phân nhóm Khách hàng và Mô hình Khu vực Thương mại.

4.5
(473 đánh giá)
14,092 học viên
Giảng viên
Haytham Omar-Ph.D
Phụ đề Việt chất lượng cao Phụ đề tiếng Anh Bán chạy Đánh giá cao
50.000đ 1.469.000đ -97%
✓ Xem giỏ hàng và thanh toán
Bao gồm phụ đề tiếng Việt, tiếng Anh
15.5 giờ video
165 bài giảng
1 bài quiz
Truy cập vĩnh viễn
Học trên mọi thiết bị
Cập nhật: 30/05/2026

Bạn sẽ học được gì

Python.
Phân tích khách hàng
Hướng dẫn làm việc hàng ngày với Python
Cách tận dụng dữ liệu để tăng Tương tác Khách hàng.
Sử dụng K-means để Phân nhóm Khách hàng.
Sử dụng Mô hình Khu vực thương mại để phân tích Địa điểm và Cạnh tranh.
Sử dụng Hệ thống Đề xuất để Gợi ý Sản phẩm cho khách hàng.
Sử dụng Phân tích Giỏ hàng để Đưa ra đề xuất và Gói khuyến mãi cho khách hàng.
Dự đoán Giá trị trọn đời của khách hàng

Yêu cầu

Kiến thức Cơ bản về Bán lẻ
Bao gồm các khóa học Cấp tốc về Python.

Đối tượng phù hợp

Quản lý Bán lẻ
Chuyên viên Phân tích Bán lẻ
Nhà Khoa học Dữ liệu
Chuyên viên Phân tích Dữ liệu
Chiến lược gia Bán lẻ
Chuyên viên Quản lý Hàng hóa

Nội dung khóa học

12 phần • 164 bài giảng
1 Giới thiệu
2 Tesco và Andrew Pole
3 Dự đoán Sai
4 Walmart
5 Những trường hợp đáng chú ý
6 Tại sao cần Phân tích Khách hàng
7 Chương trình học
8 Khách hàng trong bán lẻ
9 Các loại khách hàng bán lẻ
10 Các loại khách hàng bán lẻ
11 Tại sao chúng ta cần phân tích khách hàng
12 Các loại dữ liệu bán lẻ
13 Dữ liệu Bán hàng so với Dữ liệu Giỏ hàng
14 Cấu trúc Dữ liệu Bán lẻ
15 Ứng dụng Phân tích Khách hàng và Học máy
16 Tóm tắt
1 Python
2 Tải xuống Anaconda
3 Cài đặt Anaconda
4 Tổng quan về Spyder
5 Tổng quan về Jupyter Notebook
6 Các thư viện Python
1 Giới thiệu
2 Data Frames
3 Tính toán Số học trong Python
4 Danh sách (Lists)
5 Từ điển (Dictionaries)
6 Mảng (Arrays)
7 Nhập dữ liệu vào Python
8 Lọc dữ liệu trong DataFrames
9 Điều kiện (Conditions)
10 Viết Hàm (Functions)
11 Ánh xạ (Mapping)
12 Vòng lặp For
13 Dùng vòng lặp For cho một hàm
14 Ánh xạ trên Dataframe
15 Dùng vòng lặp For cho DataFrame
16 Tóm tắt
17 Bài tập
18 Đáp án Bài tập 1
19 Đáp án Bài tập 2
1 Giới thiệu
2 Loại bỏ Dữ liệu Trùng lặp và Giá trị Thiếu (NA)
3 Bài giảng về Chuyển đổi
4 Chuyển đổi
5 Lọc dữ liệu
6 Điền khuyết dữ liệu
7 Hướng dẫn về Chỉ mục (Indexing)
8 Cắt chỉ mục (Slicing)
9 Bài giảng về Thao tác Dữ liệu
10 Nhóm dữ liệu (Groupby)
11 Cắt dữ liệu đã nhóm
12 Loại bỏ cấp độ (Dropping levels)
13 Biểu mẫu phù hợp
14 Bảng tổng hợp (Pivot tables)
15 Hàm tổng hợp trong bảng tổng hợp
16 Làm tan chảy dữ liệu (Melting)
17 Kết nối Trái (Left join)
18 Kết nối Trong & Ngoài (Inner & Outer join)
19 Kết nối trong Python
20 Kết nối Trong, Trái và Đầy đủ (Ngoài)
21 Tóm tắt
22 Bài tập
23 Đáp án Bài tập 1
24 Đáp án Bài tập 2
25 Đáp án Bài tập 3
26 Đáp án Bài tập 4
27 Đáp án Bài tập 5
1 Mô hình Khu vực Thương mại
2 Giới thiệu
3 Các mô hình khu vực thương mại khác nhau
4 Thời gian lái xe và Mã bưu điện
5 Mô hình Huff
6 Một số lưu ý về mô hình khu vực thương mại
7 Tóm tắt mô hình Huff
8 Mô hình Huff
9 Ví dụ minh họa
10 Điều chỉnh mức độ hấp dẫn
11 Phát triển mô hình Huff
12 Mô hình Huff trong Python
13 Đọc dữ liệu trong Python
14 Tính toán phần tử trên
15 Xác suất theo Cộng đồng Khách hàng
16 Tôi nên đặt cửa hàng ở đâu?
17 Bài tập
18 Đáp án Bài tập
19 Tóm tắt
1 Giới thiệu
2 RFM
3 Phân nhóm khách hàng dựa trên phân tích RFM
4 Tính Độ mới (Recency) của Khách hàng trong Python
5 Tần suất và Giá trị Tiền tệ
6 Xếp hạng
7 Nhóm
8 Tạo các Phân loại
9 Nhận định sâu sắc
10 RFM với Kmeans
11 Trực quan hóa Trọng tâm (Centroids)
12 Biểu đồ Elbow
13 Bài tập
14 Bài tập Kmeans
1 Giới thiệu
2 CLV
3 Kỹ thuật Đặc trưng (Feature Engineering)
4 Tính toán giá trị trọn đời
5 Giá trị ngoại lai và Phân loại LTV
6 Chuẩn bị dữ liệu cho mô hình hóa
7 Cây quyết định không điều chỉnh
8 Tìm kiếm Ngẫu nhiên CV
9 Kết luận
10 Kết luận Cuối cùng
11 Bài tập
12 Đáp án Bài tập
1 Dự đoán Rời bỏ
2 Tại sao Dự đoán Rời bỏ quan trọng
3 Định hướng Dữ liệu
4 Tỷ lệ Cược và Tỷ lệ Odds
5 Một ví dụ khác
6 Hồi quy Logistic
7 Nhập dữ liệu vào Notebook
8 Kỹ thuật Đặc trưng
9 Trực quan hóa
10 Biểu đồ Tần suất (Histograms)
11 Chuẩn bị dữ liệu cho mô hình hóa
12 Diễn giải mô hình logistic
13 Ma trận Nhầm lẫn
14 Độ chính xác và Độ bao phủ
15 Diễn giải Ngưỡng
16 Log Odds
17 Thủ công điều chỉnh mô hình
18 Hiểu về Xác suất
19 Patsy
20 Các số hạng Tương tác
21 Điều chỉnh mô hình tương tác
22 Hồi quy Lasso
23 Kết luận
24 Mô tả Dữ liệu cho bài tập
25 Đáp án Dự đoán Rời bỏ
1 Giỏ hàng
2 Bài giảng
3 Nhập dữ liệu
4 Trực quan hóa Giỏ hàng
5 Chuẩn bị dữ liệu cho Phân tích Giỏ hàng
6 Apriori và Quy tắc Kết hợp
7 Các mặt hàng bán chậm
8 Kết luận
1 Giới thiệu
2 Lọc Cộng tác
3 Mục với Mục so với Người dùng với Người dùng
4 Thuật toán SVD
5 Chuẩn bị mô hình
6 Huấn luyện trên toàn bộ tập dữ liệu
7 Dự đoán Đánh giá của Khách hàng
8 Bài tập
9 Đáp án Bài tập
1 Giới thiệu
2 PCA
3 Quy trình xử lý (Pipeline)
4 Chuẩn bị Dữ liệu
5 Phân rã PCA
6 Nhập các Mô hình
7 Điều chỉnh Siêu tham số
1 Keip là gì?
2 Bản thuyết trình (Pitch Deck)

Giới thiệu khóa học



"This is one of the three courses in the Retail Series by RA, each course can be taken independently."


Master Retail management and analytics with Excel and Python

Retailers face fierce competition every day and keeping up with the new trends and customer preferences is a guarantee for excellence in the modern retail environment. one Keyway to excel in retail management is utilizing the data that is produced every day. It is estimated that We produce an overwhelming amount of data every day, roughly 2.5 quintillion bytes. According to an IBM study, 90% of the world’s data has been created in the last two years.


Retail analytics is the field of studying the produced retail data and making insightful data-driven decisions from it. as this is a wide field, I have split the Program into three parts. in this course, we focus on the customer analytics part of retail. Understanding the customer is key for maintaining loyalty and developing products to boost retail business and profitability.



RA: Retail Customer Analytics and Trade Area Modeling.


1- Understanding the importance of customer analytics in retail.

2- Manipulation of Data with Pandas.

3-Working with Python for analytics.

5- Trade area modeling

6- Recommendation systems

7-  Customer lifetime value  prediction

8- Market Basket analytics

9- Churn prediction


Don't worry If you don't know how to code, we learn step by step by applying retail analysis!

*NOTE: Full Program includes downloadable resources and Python project files, homework and Program quizzes, lifetime access, and a 30-day money-back guarantee.

Who this Program is for:

· If you are an absolute beginner at coding, then take this Program.

· If you work in Retail and want to make data-driven decisions, this Program will equip you with what you need.

· If you are switching from Excel to a data science language. then this Program will fast-track your goal.

· If you are tired of doing the same analysis again and again on spreadsheets and want to find ways to automate it, this Program is for you.


Program Design

the Program is designed as experiential learning Modules, the first couple of modules are for retail fundamentals followed by Python programming fundamentals, this is to level all of the takers of this Program to the same pace. and the third part is retail applications using Data science which is using the knowledge of the first two modules to apply. while the Program delivery method will be a mix of me explaining the concepts on a whiteboard, Presentations, and Python-coding sessions where you do the coding with me step by step. there will be assessments in most of the sections to strengthen your newly acquired skills. all the practice and assessments are real retail use cases.




Khóa học liên quan

Khám phá thêm các khoá học cùng chủ đề

Hiển thị tất cả khoá học Business Analytics
Hiển thị tất cả khoá học Data Science
Hiển thị tất cả khoá học Machine Learning
Hiển thị tất cả khoá học Python
Zalo
Tôi có thể tư vấn khoá học cho bạn 😊