1. Как оптимизировать онлайн-маркетинг с помощью предиктивных технологий

    Как оптимизировать онлайн-маркетинг с помощью предиктивных технологий, предвосхищая поведение посетителей ещё до того, как они зашли на ваш сайт. Если вы думаете о том, как получить максимальную финансовую отдачу от ваших маркетинговых кампаний, то самое время начать знакомство с предиктивными технологиями. Ещё недавно крупные компании инвестировали огромные ресурсы в сбор...
  2. YouTube + Google Tag Manager

    С развитием Google Tag Manager мы можем легко отслеживать взаимодействие пользователей с видео-контентом на сайте. Статистика просмотров видео на ресурсе будет выглядеть вот так: Зачем и кому это может быть полезно? • Многие блогеры и владельцы сайтов для поднятия поведенческих факторов встраивают видеоролики в записи. Люди смотрят видео и тем...
  3. 5 правил обработки UX-данных

    Что такое дизайн-мышление? Как применять его принципы? В чем его новизна? О нем чаще всего говорят в научных проектах, а в создании продуктов может пригодиться научный подход. Научные принципы делают процесс принятия решений в дизайне более эффективным. Пользовательский опыт улучшается не благодаря интуиции или должности исполнителя, а благодаря собранным данным. Не нужно быть ученым,...
  4. Инструменты для сбора и анализа данных Твиттера

    An overview of tools for 2017 Tool OS Get it Platforms* Audiense Web-based https://buy.audiense.com/trial/new (offers 14 day trial) Twitter Boston University Twitter Collection and Analysis Toolkit (BU-TCAT) Web-based http://www.bu.edu/com/research/bu-tcat Twitter Chorus Windows (Desktop advisable) http://chorusanalytics.co.uk/chorus/request_download.php (free) Twitter COSMOS Project Windows; MAC OS X http://socialdatalab.net/software (free) Twitter DiscoverText Web-based http://discovertext.com (3 day trial) Twitter; Facebook;...
  5. Как Facebook собирает и использует данные

    План статьи такой: предисловие на русском, потом описание на английском. Лонгрид. Не секрет, что фейсбук собирает огромное количество данных о своих пользователях, включая удаленные и недописанные посты, а также информацию об интернет-активности людей вне соцсети. Зачем? В первую очередь, для создания эффективной рекламы, которая будет показана только тем пользователям, чьи...
  6. Топ-5 data отчётов для маркетологов (SaaS)

    Топ-5 отчетов, необходимых руководителю и маркетологу для того, чтобы принимать обоснованные решения в продвижении и разработке. Дополнительно используется Kissmetriсs. Отчет № 1 «Воронки по рекламным каналам» Проблематика следующая: 1. Реклама как канал привлечения: Пользователь нажал на объявление, перешел на ресурс, выполнил регистрацию и оплатил в первый раз. Привлеченный однажды пользователь выполняет...
  7. Автоматические отчёты в Google Analytics

    В работе каждого аналитика изрядную долю времени занимает периодическая отчетность. С помощью дашбордов в Google Analytics и их автоматической рассылки можно удовлетворить ряд потребностей в регулярном получении отчетов. Но что делать, если нужно создать свой, персональный отчет, а дашборды соответствующих возможностей не предлагают? Например, необходимо добавить динамику изменений по сравнению...
  8. A/B Testing Mastery

    A/B testing – for all the content out there about testing, huge amounts of people still mess it up. From testing the wrong things to running the tests incorrectly, there are lots of ways to get it wrong. Here’s what’s covered in the guide: What is A/B testing and How...
  9. Маркетолог и нужная аналитика

    Некоторые специалисты, предвосхищая будущее, подчёркивают, что маркетологу, а в особенности директору (вице-президенту) по маркетингу обязательно будут нужны знания в диджитал и data science. В ближайшем будущем специалистов без перечисленных навыков буду увольнять/понижать, а на должность директора по маркетингу будут искать специалиста с серьёзным data science бэкграундом. Но далеко не все...
  10. Прогноз выручки когорты

    Обычно при планировании маркетингового бюджета используют либо среднюю прибыль с покупателя (Average Revenue per User, ARPU), либо итоговую ценность клиента (Customer Lifetime Value, CLV). ARPU равна прибыли за определенный период, деленной на количество покупателей. Например, если за полгода 1000 покупателей принесли вам 50 тысяч рублей, ARPU за этот период составляет 50 рублей за покупателя. CLV — это средняя прибыль...

Data Scientist # 1

Машинное обучение, большие данные, наука о данных, анализ данных, цифровой маркетинг, искусственный интеллект, нейронные сети, глубокое обучение, data science, data scientist, machine learning, artificial intelligence, big data, deep learning

Данные — новый актив!

Эффективно управлять можно только тем, что можно измерить.
Copyright © 2016-2021 Data Scientist. Все права защищены.