Data Analysis for Marketing Intelligence

​

Obiettivi: 

segmentare la customer base mediante le principali tecniche statistiche.

​

Tecniche presentate:

regressione multipla, regressione logistica, analisi statistica multivariata per la classificazione (analisi discriminante, alberi decisionali) e per il perceptual mapping e l’analisi delle preferenze (analisi fattoriale, conjoint analysis, multidimensional scaling).  

​

Esercitazioni:

Sono previste esercitazioni per ciascuno degli argomenti trattati.

​

Prerequisiti: 

è propedeutica la frequenza al corso INTRO o avere una conoscenza intermedia di Statistics for Data Analysis.

 

Argomenti:

Modelli predittivi ed interpretativi

• Previsione di un fenomeno quantitativo

  • La regressione lineare semplice

  • Gli assunti del modello di regressione

  • La regressione lineare multipla

  • Anali diagnostica

  • Introduzione al modello lineare generalizzato

  • Cenni ai modelli non lineari

• Previsione di un fenomeno qualitativo

  • La regressione logistica

  • Cenno ai modelli loglineari

 

Modelli di segmentazione

• L'interdipendenza tra le variabili

  • Le distanze

• La cluster analysis

  • Metodi gerarchici, delle k medie e two step

• Le reti neurali (cenni)

  • Self Organizing Map (Kohonen)

 

Modelli di classificazione

• L'anlisi discriminante

• Gli alberi decisionali

  • Metodo chaid e metodo C&RT

  • Regole di arresto

  • Stima del rischio

  • Validazione del modello

  • Profitti, costi di errata classificazione, probabilità a priori.