Apresentação
Este curso aborda as principais técnicas estatística e data-driven em Marketing Analytics. Com base em casos práticos e teorias específicas os assuntos abordados no curso orientam gestores e especialistas para tomada de decisão.
Objetivos
Desenvolver fundamentação teórica em métodos analíticos em Marketing Analytics para Tomada de Decisão. Ensinar e Capacitar os alunos nas principais técnicas estatísticas e matemáticas para acompanhamento e otimização de indicadores de desempenho.
Aplicar data-driven em Análise de Pricing, Valor do Consumidor, Segmentação de Mercado, Análise de Novos Produtos, Varejo, Efetividade da Publicidade, Marketing Mix Modeling, e Social Marketing.
Desenvolver o pensamento técnico e crítico nos alunos, fazendo com que os mesmos consigam otimizar resultados e gerar insights para a tomada de decisão.
Perfil do Aluno
Profissionais e estudantes de diversas áreas com interesse em desenvolver projetos em data-driven, por meio das mais modernas técnicas estatísticas aplicadas para tomada de decisão em Marketing.
Este curso é desenvolvido para profissionais e estudantes com nenhum ou pouco conhecimento em técnicas estatísticas e matemática. Assim, as demonstrações matemáticas complexas serão omitidas e os alunos contam com total apoio dos professores para sanarem dúvidas técnicas.
Metodologia
O Métodos Exatos tem sua própria metodologia de ensino, focada no processo de Educação Continuada e Progressiva. Iniciando com Estudos de Casos Simples e conforme o aluno vai adquirindo maior conhecimento sobre o assunto o mesmo começa a ser exposto à situações mais complexas.
Acreditamos no rigor científico, desde que transmitido com uma linguagem simples e de fácil entendimento.
Utilizamos como ferramentas de aprendizagem como vídeo aulas com demonstrações da teoria e atividades, estudos de casos, desenvolvimento de modelos estatísticos no Excel, material para downloads, e exercícios práticos para fixação do conteúdo.
Sistema de Avaliação
Será fornecido o Certificado Digital de Conclusão do Curso, emitido pelo Métodos Exatos, após o aluno ter concluído 90% de todas as atividades. Não é cobrado qualquer tipo de avaliação ou nota, isso devido o modelo de aprendizagem progressiva e cumulativa, onde conceitos iniciais são utilizados nos módulos seguintes.
Investimento
- Oferecemos opções de pagamento para cartão de crédito, boleto ou depósito em conta.
- Parcelamos no cartão de crédito em até 12x.
- Caso o aluno queira cancelar a matrícula, garantimos a devolução do valor investido, desde que ainda esteja no primeiro módulo do curso.
Próximas Turmas:
Inscrições até: | Inscrições abertas |
Início das aulas: | 07/06/2019 |
Duração: | Acesso Vitalício |
Carga horária: | 60 horas |
Local: | 100% Online |
Plantão online: |
|
PROGRAMA DO CURSO | |
Currículo do Curso
CONSIDERAÇÕES INICIAIS | |||
MA – 001 Apresentação Métodos Exatos | 00:09:55 | ||
MA – 002 Apresentação Professor | 00:05:56 | ||
MA – 003 Equipe Métodos Exatos | 00:00:00 | ||
MA – 004 Metodologia | 00:15:53 | ||
MA – 006 Objetivos Específicos | 00:11:56 | ||
MA – 007 Pré-requisitos para as subseções | 00:04:52 | ||
Slides Módulo Considerações Iniciais | 00:00:00 | ||
QMA01 – Pesquisa Considerações Iniciais | Ilimitado | ||
USANDO EXCEL PARA RESUMIR DADOS | |||
MA – 008 Preparação de Bases de Dados em Marketing – Objetivos | 00:07:45 | ||
MA – 009 Estudo de Casos | 00:03:58 | ||
MA – 010 Case 1 – Planejamento | 00:02:10 | ||
MA – 011 Carregar dataset | 00:09:36 | ||
MA – 012 Sumário Técnico | 00:07:54 | ||
MA – 013 Solução Problema 1 | 00:19:45 | ||
MA – 014 Solução Problema 2 | 00:07:59 | ||
MA – 015 Solução Problema 3 | 00:07:51 | ||
MA – 016 Princípio de Pareto | 00:03:10 | ||
MA – 016a Princípio de Pareto | 00:16:12 | ||
MA – 017 Solução Problema 4 | 00:16:12 | ||
MA – 018 Análise do Case 1 | 00:04:37 | ||
MA – 019 Case 2 – Planejamento | 00:05:46 | ||
MA – 020 Case 2 – Função Soma | 00:11:48 | ||
MA – 021 Case 2 – Função Média | 00:04:30 | ||
MA – 021a Case 2 | 00:11:17 | ||
MA – 022 Análise do Efeito dos Dias da Semana nas Vendas | 00:11:17 | ||
MA – 024 Identificando da Sazonalidade nas Vendas por Produtos | 00:07:18 | ||
MA – 025 Considerações sobre o Estudo de Sazonalidade | 00:06:47 | ||
MA – 026 Técnicas para Análise de Tendências | 00:08:46 | ||
MA – 027 Considerações sobre Análise de Tendências | 00:05:42 | ||
MA – 028 Efeito de Promoções nas Vendas | 00:06:46 | ||
MA – 029 Resultado das Promoções sobre as Vendas | 00:05:19 | ||
MA – 030 Case 3 – Objetivos | 00:03:01 | ||
MA – 031 Case 3 – Solução | 00:18:44 | ||
MA – 032 Sumarização de Dados em Marketing com Gráficos – Objetivos | 00:03:12 | ||
MA – 033 Gráfico de Combinação | 00:07:01 | ||
MA – 034 Eixo Secundário | 00:05:19 | ||
MA – 035 Adicionar Imagem em Gráficos de Coluna | 00:04:46 | ||
MA – 036 Tabela de Dados | 00:05:14 | ||
MA – 037 Análise de Pesquisa | 00:11:16 | ||
MA – 038 Atualização Automática de Gráficos | 00:04:32 | ||
MA – 039 Funções Estatísticas no Excel para Sumarizar Dados em Marketing | 00:03:56 | ||
MA – 040 Média Populacional e Amostral | 00:10:46 | ||
MA – 041 Mediana | 00:05:51 | ||
MA – 042 Seleção de Medidas de Posição | 00:07:27 | ||
MA – 043 Moda | 00:04:02 | ||
MA – 044 Desvio | 00:06:14 | ||
MA – 045 Variância Populacional | 00:07:14 | ||
MA – 046 Desvio Padrão Populacional | 00:05:16 | ||
MA – 047 Variância e Desvio Padrão para Amostras | 00:04:00 | ||
MA – 048 Resumo Estatístico no Excel | 00:13:40 | ||
MA – 049 Fechamento – Módulo I | 00:01:33 | ||
MA – Slides Módulo I | 00:00:00 | ||
PRICING | |||
MA – 050 Definições da Teoria de Pricing | 00:09:09 | ||
MA – 051 Pesquisas na área de Pricing & Promotions | 00:06:47 | ||
MA – 052 Inovações no Varejo na Teoria de “Price & Promotions” | 00:09:32 | ||
MA – 053 Framework | 00:11:26 | ||
MA – 054 Loyalty Program Data | 00:09:49 | ||
MA – 055 Promoções de Varejo Usando Dados de Programas de Fidelidade | 00:04:10 | ||
MA – 056 Segmentação de Promoções On e Off-line | 00:13:00 | ||
MA – 057 Tecnologias Aplicadas para Otimização de Estratégias de Pricing | 00:07:41 | ||
MA – 058 Modelos Analíticos para Estratégia de “Price & Promotions” | 00:01:48 | ||
MA – 059 Modelos de Precificação Tradicionais e Dinâmicos | 00:08:15 | ||
MA – 060 Novos Tipos de Promoções | 00:05:48 | ||
MA – 061 Tecnologia para Otimização Dinamica de Preços | 00:13:17 | ||
MA – 062 Offline e Online Elementos de Design para Otimização de Promoções | 00:13:15 | ||
MA – 063 Tecnologias para Análise de Elementos Promocionais | 00:06:30 | ||
MA – 064 Como Reajustar Preços da Maneira Correta | 00:02:05 | ||
MA – 065 Como Fazer os Consumidores Pagarem Mais? | 00:16:27 | ||
MA – 066 Considerações sobre “Price & Promotions” | 00:03:43 | ||
MA – Slides Módulo II – Artigos | 00:00:00 | ||
QMA02 – Artigos: Inovações em Price & Promotions | Ilimitado | ||
MA – 067 O que você vai aprender | 00:05:30 | ||
MA – 068 Curvas de Demanda – Definição | 00:04:23 | ||
MA – 069 Elasticidade de Preço | 00:05:28 | ||
MA – 070 Elasticidade-Preço da Demanda | 00:09:18 | ||
MA – 071 Elasticidade Tipos e Casos Particulares | 00:09:15 | ||
MA – 072 Formas de Curvas de Demanda | 00:05:33 | ||
MA – 073 Cálculo da Epd pela Variação Percentual | 00:04:21 | ||
MA – 074 Epd pela Variação Percentual – Exemplo | 00:13:52 | ||
MA – 075 Cálculo da Epd pelo Ponto Médio | 00:03:07 | ||
MA – 076 Epd pelo Ponto Médio – Exemplo | 00:08:22 | ||
MA – 077 Cálculo da Epd no Excel | 00:45:42 | ||
MA – 078 Solver para Otimizar Preços | 00:10:51 | ||
MA – 079 Utilizando Solver para Determinar Lucro Máximo | 00:22:12 | ||
MA – 080 Curvas de Demanda Subjetivamente Estimadas | 00:12:38 | ||
MA – 081 Técnicas de Otimização para Agregação de Preços | 00:04:42 | ||
MA – 082 Introdução do Problema de Otimização de Preço de Produtos Agregados | 00:01:42 | ||
MA – 083 Desenvolvimento de Dataset para o Modelo de Otimização | 00:12:22 | ||
MA – 084 Maximização de Política de Preço com Algoritmo Genético | 00:20:57 | ||
Slides – Pricing | 00:00:00 | ||
FORECASTING | |||
MA – 085 Introdução | 00:03:20 | ||
MA – 086 Objetivo da Regressão Linear Simples | 00:02:41 | ||
MA – 087 Variáveis Independentes & Dependentes | 00:03:04 | ||
MA – 088 Estudo de Caso: Restaurante Mao’s Palace | 00:01:59 | ||
MA – 089 Construção Diagrama de Dispersão | 00:07:20 | ||
MA – 090 Análise Gráfico de Dispersão | 00:03:59 | ||
MA – 091 Coeficientes r² e r | 00:08:01 | ||
MA – 092 Equação Linear | 00:11:48 | ||
MA – 093 Estimativas & Previsão com MRLS | 00:08:55 | ||
MA – 094 Erro & Erro Padrão | 00:12:26 | ||
MA – 095 Matriz de Correlação | 00:07:27 | ||
MA – 096 Atividade 1 – Regressão Linear Simples | 00:08:49 | ||
MA – 097 Modelo 02 – Diagrama de Dispersão | 00:07:41 | ||
MA – 098 Modelo 02 – Coeficientes | 00:06:22 | ||
MA – 099 Modelo 02 – Estimativas | 00:06:49 | ||
MA – 100 Modelo 03 – Problemas de Ajuste | 00:07:57 | ||
MA – 101 Seleção de Modelos | 00:04:18 | ||
MA – 102 Validação pela Regra 70 x 30 | 00:11:44 | ||
MA – 103 Introdução a Regressão Linear Múltipla | 00:04:00 | ||
MA – 104 Estudo de Caso: MAX Computer | 03:15:00 | ||
MA – 105 Execução do MRLM | 00:07:26 | ||
MA – 106 Análise dos Testes de Hipóteses | 00:06:26 | ||
MA – 107 Análise Gráfica dos Resíduos | 00:06:00 | ||
MA – 108 Seleção de Variáveis para Ajuste do Modelo | 00:05:01 | ||
MA – 109 Estimativas & Previsão com MRLM | 00:05:07 | ||
MA – 110 Atividade – Forecast para Vendas no Setor Automotivo | 00:15:22 | ||
MA – 111 Seleção de Variáveis pelos Testes de Hipóteses – Parte 1 | 00:09:03 | ||
MA – 112 Seleção de Variáveis pelos Testes de Hipóteses – Parte 2 | 00:05:42 | ||
MA – 113 Previsão de Vendas no Setor Automotivo | 00:11:29 | ||
MA – 114 Metodologias de Previsão para Análise de Séries Temporais | 00:04:34 | ||
MA – 115 Métodos de Previsão por Modelos sem Tendência e Sazonalidade | 00:02:58 | ||
MA – 116 Previsão de Produção de Cerveja com Média Móvel Simples | 00:09:07 | ||
MA – 117 Previsão de Produção de Cerveja com Média Móvel Ponderada | 00:10:10 | ||
MA – 118 Previsão de Produção de Cerveja com Suavização Exponencial | 00:06:36 | ||
MA – 119 Métodos de Previsão para Modelos com Tendência e Nenhuma Sazonalidade | 00:03:10 | ||
MA – 120 Previsão de Vendas de Roupas de Inverno com Média Móvel Dupla | 00:04:38 | ||
MA – 121 Previsão de Vendas de Roupas de Inverno com Holt | 00:08:54 | ||
MA – 122 Previsão de Vendas em Posto de Gasolina com Série Sazonal e sem Tendência – M01 | 00:09:18 | ||
MA – 123 Previsão de Vendas em Posto de Gasolina com Série Sazonal e sem Tendência – M02 | 00:02:16 | ||
MA – 124 Estudo de Caso – Forecasting para Vendas de Milhas Aéreas | 00:03:06 | ||
MA – 125 Previsão de Vendas de Milhas Aéreas pelo Índice de Sazonalidade Individual (ISI) | 00:10:27 | ||
MA – 126 Previsão de Vendas de Milhas Aéreas pela Média dos ISI | 00:02:58 | ||
MA – 127 Modelo Multiplicativo pelas Constantes | 00:09:43 | ||
MA – 128 Modelo Multiplicativo pelas Constantes com Otimização Não-linear | 00:06:29 | ||
MA – 129 Modelo Aditivo para Série Temporal sem Tendência | 00:04:29 | ||
MA – 130 Modelo para Séries Temporais com Sazonalidade e Tendência | 00:02:37 | ||
MA – 131 Modelo Multiplicativo de Holt-Winters | 00:11:33 | ||
MA – 132 Modelo Multiplicativo de Holt-Winters Otimizado | 00:13:02 | ||
MA – 133 Modelo Aditivo de Holt-Winters | 00:04:48 | ||
MA – 134 Estudo de Caso: Otimização da Previsão Anual da Produção de Leite em SC | 00:07:50 | ||
MA – 135 Redes Neurais Artificiais | 00:06:43 | ||
MA – 136 Inputs e Outputs da Rede Neural | 00:09:02 | ||
MA – 137 Estrutura da Rede Neural | 00:07:39 | ||
MA – 138 Cálculo e Aplicação da Função de Ativação | 00:04:14 | ||
MA – 139 Tratamento da Amostra para Treinamento e Teste da Rede Neural | 00:12:43 | ||
MA – 140 Definição da Base de Treino | 00:04:56 | ||
MA – 141 Função de Ativação ReLu | 00:05:44 | ||
MA – 142 Função de Ativação Softmax | 00:08:29 | ||
MA – 143 Cálculo do Erro do Modelo | 00:03:24 | ||
MA – 144 Execução do Modelo de Rede Neural | 00:06:00 | ||
MA – 145 Avaliação do Modelo de Rede Neural | 00:04:54 | ||
MA – 146 Estudo de Caso: Modelo de Propensão a Compra para E-commerce | 00:03:45 | ||
MA – 147 Tratamento de Dataset para Ecommerce de Moda Feminina | 00:12:22 | ||
MA – 148 Modelo de Propensão para Compras – N4 | 00:06:42 | ||
MA – 149 Ajuste no Modelo de Propensão com 5 nós | 00:07:20 | ||
MA – 150 Considerações Finais | 00:02:37 | ||
Slides – Forecasting | 00:00:00 | ||
MARKETING MIX MODELING | |||
MA – 232 Marketing Mix Modeling (MMM) | 00:01:32 | ||
MA – 233 ROI aplicado em MMM | 00:05:13 | ||
MA – 234 Tipos de Mídias para MMM | 00:07:24 | ||
MA – 235 O que é Marketing Mix Modeling? | 00:03:35 | ||
MA – 236 Modelo de Atribuição vs Marketing Mix Modeling | 00:05:38 | ||
MA – 237 Como Usar Modelo de Atribuição e MMM para maximizar ROI? | 00:00:56 | ||
MA – 238 Maximizar ROI com MMM e Jornada do Consumidor | 00:05:20 | ||
MA – 239 Como Aferir o Impacto de TV Off-line nas Campanhas | 00:02:54 | ||
MA – 240 Plano de Mídia para Construção do MMM | 00:08:25 | ||
MA – 241 Construção do MMM – Etapa 1[Análise Descritiva] | 00:03:56 | ||
MA – 242 Construção do MMM – Etapa 1[Conclusão da Análise Descritiva] | 00:14:39 | ||
MA – 243 MMM Geral da Marca | 00:06:13 | ||
MA – 244 MMM Geral da Marca – Solução | 00:09:17 | ||
MA – 245 MMM Geral da Marca – Projeção de Metas | 00:08:05 | ||
MA – 246 MMM por Produto | 00:03:01 | ||
MA – 247 MMM por Produto – Solução | 00:07:12 | ||
MA – 248 MMM Geral vs Produto – Análise dos Resultados | 00:11:14 | ||
MA – 249 MMM com Mídia On e Off – Base de Dados | 00:05:22 | ||
MA – 250 MMM com Mídia On e Off – Digital | 00:08:19 | ||
MA – 251 MMM com Mídia On e Off – Melhorando a Acurácia | 00:06:43 | ||
MA – 252 MMM com Mídia On e Off – Aferindo o Impacto da TV | 00:13:04 | ||
MA – 253 Marketing Mix Modeling – Considerações Modelos de Regressão | 00:04:30 | ||
MA – 254 Séries Temporais Aplicadas em MMM | 00:10:26 | ||
MA – 255 Trabalhando com Outliers no MMM | 00:05:33 | ||
MA – 256 Determinando ROI com Campo Calculado | 00:08:01 | ||
MA – 257 Atividade – Análise Exploratória para Séries Temporais | 00:02:31 | ||
MA – 258 Solução da Atividade – Análise Exploratória | 00:16:58 | ||
MA – 259 MMM com Modelo de Média Móvel Simples | 00:10:18 | ||
MA – 260 MMM com Modelo de Média Móvel Ponderada | 00:08:50 | ||
MA – 261 MMM com Suavização Exponencial | 00:04:18 | ||
MA – 262 MMM – Considerações Finais | 00:06:15 | ||
ANÁLISE DO COMPORTAMENTO DO CONSUMIDOR | |||
MA – 151 Objetivo da Análise do Comportamento do Consumidor | 00:02:08 | ||
MA – 152 Como utilizar Análise Conjunta | 00:03:30 | ||
MA – 153 Estudo de Caso Harvard Business School: Julgamento dos Consumidores | 00:07:45 | ||
MA – 154 Template para Modelo de Análise Conjunta | 00:06:13 | ||
MA – 155 Atributos Omitidos | 00:05:52 | ||
MA – 156 Codificação de Dados Conjuntos | 00:09:17 | ||
MA – 157 Rank das Avaliações dos Consumidores | 05:41:00 | ||
MA – 158 Forecast para Avaliações dos Consumidores | 00:09:00 | ||
MA – 159 Modelo de Regressão Dummy | 00:08:03 | ||
MA – 160 Ranking dos Atributos e Níveis | 00:15:52 | ||
MA – 161 Discussão sobre os Resultados Analíticos e de Negócios | 00:09:47 | ||
MA – 162 Segmentação de Mercados com Análise de Concorrentes | 00:11:14 | ||
MA – 163 Precificação de Produtos e Serviços por Custo de Aquisição | 00:04:07 | ||
MA – 164 Precificação de Produtos e Serviços por Valor | 00:08:43 | ||
MA – 165 Atividade 01: Estudo de Caso – Pepsi x Coca-Cola | 00:04:47 | ||
MA – 166 Solução Atividade 01: Desenvolvimento da Estrutura – parte 1 | 00:05:01 | ||
MA – 167 Solução Atividade 01: Desenvolvimento da Estrutura – parte 2 | 00:07:47 | ||
MA – 168 Solução Atividade 01: Codificação das Variáveis Conjuntas | 00:11:29 | ||
MA – 169 Solução Atividade 01: Modelo de Regressão Dummy | 00:08:54 | ||
MA – 170 Solução Atividade 01: Rankings dos Atributos e Níveis | 00:12:02 | ||
MA – 171 Solução Atividade 01: Análise de Mercados | 00:08:58 | ||
MA – 172 Solução Atividade 01: Precificação por Valor | 00:11:46 | ||
MA – 173 Solução Atividade 01: Resultados e Considerações Finais | 00:08:26 | ||
MA – 174 Estudo de Caso Universidade de Michigan: Criação de Designs de Experimento de Análise Conjunta Aceitáveis | 00:02:03 | ||
MA – 175 Estudo de Caso Universidade de Michigan: Resumo | 00:02:13 | ||
MA – 176 Estudo de Caso Universidade de Michigan: Exemplo | 00:06:45 | ||
MA – 177 Estudo de Caso Universidade de Michigan: Design de Experimento Proposto | 00:03:36 | ||
MA – 178 Modelo Analítico (Estudo de Caso Univ. Michigan): Introdução | 00:07:29 | ||
MA – 179 Modelo Analítico (Estudo de Caso Univ. Michigan): Parâmetros | 00:07:25 | ||
MA – 180 Modelo Analítico (Estudo de Caso Univ. Michigan): Codificação com Números Aleatórios | 00:05:36 | ||
MA – 181 Modelo Analítico (Estudo de Caso Univ. Michigan): Amostra | 00:03:30 | ||
MA – 182 Modelo Analítico (Estudo de Caso Univ. Michigan): Análise de Perfis Não Relevantes | 00:05:55 | ||
MA – 183 Modelo Analítico (Estudo de Caso Univ. Michigan): Matriz de Correlação | 00:07:55 | ||
MA – 184 Modelo Analítico (Estudo de Caso Univ. Michigan): Cálculo do Valor Alvo | 00:04:37 | ||
MA – 185 Modelo Analítico (Estudo de Caso Univ. Michigan): Otimização Combinatória com Algoritmo Genético | 00:08:38 | ||
MA – 186 Simulador de Market Share com Análise Conjunta: Apresentação | 00:03:27 | ||
MA – 187 Simulador de Market Share com Análise Conjunta: Template | 00:03:09 | ||
MA – 188 Simulador de Market Share com Análise Conjunta: Modelo | 00:13:02 | ||
MA – 189 Considerações Finais sobre Análise Conjunta | 00:06:50 | ||
MA – 190 Projeto Análise Conjunta – Introdução | 00:07:07 | ||
MA – 191 Projeto Análise Conjunta – Base Original Compilada | 00:15:54 | ||
MA – 192 Projeto Análise Conjunta – Base Final Formatada | 00:06:39 | ||
MA – 193 Projeto Análise Conjunta – Introdução Parte 2 | 00:07:09 | ||
MA – 194 Projeto Análise Conjunta – Codificação dos Dados Conjuntos | 00:13:29 | ||
MA – 195 Projeto Análise Conjunta – Ranking dos Atributos e Níveis dos Produtos | 00:09:04 | ||
MA – 196 Projeto Análise Conjunta – Simulação de Produtos em Diferentes Mercados | 00:04:07 | ||
MA – 197 Projeto Análise Conjunta – Introdução Parte 3 | 00:06:14 | ||
MA – 198 Projeto Análise Conjunta – Perfis Não Relevantes | 00:12:03 | ||
MA – 199 Projeto Análise Conjunta – Design de Experimento Parte 1 | 00:04:30 | ||
MA – 200 Projeto Análise Conjunta – Design de Experimento Parte 2 | 00:09:51 | ||
MA – 201 Projeto Análise Conjunta – Introdução Parte 4 | 00:02:11 | ||
MA – 202 Projeto Análise Conjunta – Simulador de Market share | 00:10:24 | ||
MA – 203 Regressão Logística – Introdução | 00:01:43 | ||
MA – 204 Regressão Logística – Objetivos | 00:08:06 | ||
MA – 205 Regressão Logística – Representação Matemática | 00:10:45 | ||
MA – 206 Máxima Verossimilhança da Regressão Logística | 00:07:44 | ||
MA – 207 Likelihood para Estimar o Modelo de Regressão Logística no Excel | 00:12:54 | ||
MA – 208 Atividade – Estudo de Caso Assinantes de Revista | 00:02:11 | ||
MA – 209 Solução – Estudo de Caso Assinantes de Revista (Modelo 1) | 00:08:06 | ||
MA – 210 Solução – Estudo de Caso Assinantes de Revista (Modelo 2) | 00:06:07 | ||
MA – 211 Odds Ratio e Interpretação dos Coeficientes da Regressão Logit | 00:05:56 | ||
MA – 212 Regras para Ajuste e Validação de Modelos Logísticos | 00:05:00 | ||
MA – 213 Ajuste do Modelo Logit 1 | 00:08:54 | ||
MA – 214 Ajuste do Modelo Logit 2 | 00:06:00 | ||
MA – 215 Teste e Validação do Modelo Classificado de Máxima Entropia | 00:04:53 | ||
MA – 216 Projeto Final Logit – Estudo de Caso E-commerce de Moda Feminina | 00:08:44 | ||
MA – 217 Projeto Final Logit – Qualidade da Base de Dados | 00:15:33 | ||
MA – 218 Projeto Final Logit – Amostra | 00:14:28 | ||
MA – 219 Projeto Final Logit – Resultados do Modelo | 00:07:27 | ||
MA – 220 Resumo sobre Modelos Logísticos | 00:06:40 | ||
MA – 221 Modelos de Escolha Discreta | 00:02:10 | ||
MA – 222 Análise de Preferência por Chocolates | 00:03:01 | ||
MA – 223 Modelo de Escolha Discreta para Análise de Preferência | 00:09:14 | ||
MA – 224 Resultado da Análise de Preferência por Chocolates | 00:02:31 | ||
MA – 225 Análise de Preferência por Calças Femininas | 00:03:32 | ||
MA – 226 Formatação da Base para Análise de Preferência por Calças | 00:05:20 | ||
MA – 227 Modelo de Escolha Discreta para Análise de Preferência por Calças | 00:06:29 | ||
MA – 228 Análise de Resultados – Preferência por Calças Femininas | 00:00:00 | ||
MA – 229 Análise de Sensibilidade do Valor da Marca e Preço | 00:08:47 | ||
MA – 230 Análise Discreta para Otimização de Preço | 00:10:31 | ||
MA – 231 Considerações finais – Análise do Comportamento do Consumidor | 00:03:26 | ||
CUSTOMER'S LIFETIME VALUE (CLV) | |||
MA – 263 Customer Lifetime Value (CLV) | 00:02:21 | ||
MA – 264 CLV – Case Groupon | 00:05:40 | ||
MA – 265 Aplicação do CLV – Aquisição e Fidelização de Consumidores | 00:07:50 | ||
MA – 266 Template para CLV | 00:01:14 | ||
MA – 267 Análise da Estratégia com Base no CLV | 00:06:32 | ||
MA – 268 Parâmetros do Modelo CLV | 00:10:36 | ||
MA – 269 CLV – Modelo para Guiar Ações | 00:03:42 | ||
MA – 270 Tab 1 – Taxas de Desconto para Cálculo do CLV | 00:02:59 | ||
MA – 271 Tab 3 – Atribuição de Pesos por Entrada de Clientes | 00:04:06 | ||
MA – 272 Tab 2 – Tempos e Clientes | 00:03:21 | ||
MA – 273 Tab 4 – Fator de Desconto | 00:09:25 | ||
MA – 274 Tab 5 – Multiplicador | 00:02:27 | ||
MA – 275 Tab 7 – Customer Value | 00:02:10 | ||
MA – 276 Tab 6 – Cenários para Multiplicador [Teste de Hipóteses] | 00:05:30 | ||
MA – 277 CLV – Atividade | 00:02:10 | ||
MA – 278 CLV – Solução da Atividade | 00:04:28 | ||
MA – 279 CLV – Considerações Finais | 00:09:10 | ||
SEGMENTAÇÃO DE MERCADO |
Aprendizado grandioso.
Muito bom o curso e a atenção do professor é sensacional. O curso arremete a um aprendizado que permite aplica lo no trabalho ou em projetos reais. O suporte do professor André é espetacular. Obrigado professor pelo aprendizado. Curso sugerido para profissionais de BI.