🚨週年慶最後三日🚨全站課程 83 折、最後加碼 $899💰 再送激高 $1600 券❗️
天
時
分
全站 83 折🔥
登入/註冊
Python 購物籃分析:多商品推薦與利潤策略
0 seconds of 2 minutes, 18 secondsVolume 0%
Press shift question mark to access a list of keyboard shortcuts
鍵盤快捷鍵
播放/暫停空白鍵
音量增加↑
音量減少↓
快進 5 秒→
倒退 5 秒←
開啟/關閉字幕c
全螢幕/離開全螢幕f
靜音/取消靜音m
Decrease Caption Size-
Increase Caption Size+ or =
跳轉至%0-9
00:00
00:00
02:18
 
臺灣行銷研究

Python 購物籃分析:多商品推薦與利潤策略

本課程以兩大面向協助您在銷售資料不完全的情況下,也能有效找出值得推薦的商品組合,提升企業的營收。 資料面:善用常見的顧客資料做商品搭售分析! 財務面:利用財務指標產出搭售策略,減少搭售分析結合財務指標的冤枉路!
Hahow AI 學習升級
16.8 k 的人也在觀看
4.5
(6)

關於課程

課程包含

包含 4 章 12 單元、1 項作業

課程時長

2 時 24 分鐘

課程總人數

95 位同學

觀看限制

不限觀看次數,還會附贈完課證書

學習升級

Hahow AI 學習助教
無需額外付費
即時問答、重點整理、測驗理解,讓知識派上用場

最新消息

課程內容

實戰演練主題為「Python 購物籃分析」,聚焦多商品推薦與利潤策略,示範以服飾與鞋類商品分析購物組合,圖示包含上衣加裙子、褲子加高跟鞋,並標示 TMR臺灣行銷研究。

「課程緣起」標題橫幅,藍色背景搭配 Python 標誌、購物車、美元硬幣、紙張與鉛筆,以及服飾店和電腦螢幕插圖。

若您有相關數據分析的經驗,相信最大的困擾會是拿到的資料往往欄位資料不齊或是資料完整性低,更遑論要蒐集關係到顧客個資的資訊,而在無法鎖定消費者是誰的情況下,該如何進行商品推薦,從而提升行銷的精準度呢?

此時,「購物籃分析」便是您最好的幫手,協助您在銷售資料不完全的情況下,也能有效找出值得推薦的商品組合,提升企業的營收!

標題「上完這門課,我可以學到什麼?」搭配 Python 標誌、購物車與硬幣,以及服飾和電腦商店插畫,呈現課程學習成果主題。

上完這門課後,我們可以⋯⋯
  1. 先將熱賣商品按照利潤大小排序形成推薦名單,了解販售什麼樣的單品將可得到最大獲利
  2. 接著透過機器學習分析替我們找出商品搭配,利用 AI 自動化的方式快速進行配對
  3. 再使用 Apriori 演算法找出商品搭售組合,以購物籃分析角度重新定義搭售組合
  4. 最後結合財務指標建立產品組合推薦名單,透過視覺化結合財務面分析讓人一目了然!

課程學習成果包括:依熱賣商品利潤排序並製作產品推薦名單,藉由機器學習分析多項產品搭配,運用 Apriori 演算法找出產品組合,結合財務指標建立產品組合推薦名單。

▲ 圖 1. 四大課程特色

「Python、Excel購物籃分析大不同」課程主視覺,以 Python 標誌、Excel 資料表、購物車與金幣插圖呈現購物籃分析主題。

TMR 推出 Python 購物籃分析 及 Excel 購物籃分析,哪門課適合您呢?以下我們分別從五個面向來幫助您做選擇。
  1. 於先備能力上:Python 購物籃分析這門課的學員對具備 Python 程式語言的基礎能力尤佳; Excel 購物籃分析則可以輕鬆入門,任何人都能輕易上手。
  2. 職務需求也大有不同:Python 購物籃分析適合想要深入分析資料的商務分析師......等; Excel 購物籃分析則適合想試著做資料分析的行銷人。
  3. 就資料處理的技術層面而言:利用 Python 能快速第一鍵搞定;而 Excel 在做分析之前則需先歸納資料。
  4. 在操作上:透過 Python 進行操作,能直接在網頁上呈現;而 Excel 則是透過內嵌於 Power BI 的功能進行操作。
  5. 在視覺呈現上:Python 更為多樣化,能以朝陽圖的方式呈現資料;Excel 則以長條圖為主要的視覺化呈現方式。

總而言之,兩門課程各有特色,也有其應用上的不同。您可以透過上面五個面向來評估要選擇 Python 或是 Excel 來做購物籃的分析。

Python 購物籃與 Excel 購物籃比較:Python 適合具備基礎者與商務分析師,資料處理可一鍵完成並彈性呈現;Excel 不會程式也能上手,適合行銷人員,資料整理與視覺化多依賴內嵌的 Power BI。

▲ 圖 2. Python 購物籃分析及 Excel 購物籃分析比較表

「課程核心特色」標題置於藍色漸層橫幅中央,周圍搭配 Python 標誌、購物車與金幣、服飾商店、加號,以及紙張和鉛筆插圖。

資料面:善用常見的顧客資料,手把手教您如何做商品搭售分析!

在數位轉型浪潮的推進下,許多企業都開始執行資料蒐集與分析的任務,我們發現企業面臨的最大挑戰如下:

企業面對顧客資料不完整、POS 資料難以善用與商品種類繁多等問題,亟需解決無顧客資料時的產品推薦、電商資料分析、購物籃分析及財務指標與預期獲利計算。

▲ 圖 3. 蒐集外界常面臨之挑戰

▼ 表 1. 一般常見的銷售資料

訂單資料表列出顏色、單價、成本、系列、產品、訂單時間、性別、年紀、廣告代號all、尺寸與訂單編號等欄位,資料列以黑底呈現,未顯示可讀內容。

本課程即為了協助大家在上述眾多的限制條件下,進一步找出有效的商品搭售組合。

藉由過去的服務經驗,我們發現業界對於「真實零售顧客資料」結合「商品搭售分析」的分析非常有需求,因此成立了這門機器學習的課程,希望可以解決在顧客資料搭售分析上遇到困擾的您,學會這套模組後,可輕鬆套用至相同的顧客資料格式,找出最佳產品搭售組合,創造商業價值!(如下圖 4 所示)

從一般 POS 顧客資料出發,透過真實零售顧客資料與 80/20 法則挑選高獲利商品,再以商品搭售分析推薦圖表找出最適合的產品組合。

▲ 圖 4. 顧客資料與商品搭售分析流程圖

財務面:夥伴與老闆看不懂?用財務指標產出搭售策略

除了自身了解產品搭售分析外,要如何讓合作夥伴或老闆能夠理解才是關鍵,此時財務指標的解釋便顯得格外重要,讓我們用多次 trial and error 的實戰經驗,手把手帶您產出搭售利潤指標,減少搭售分析結合財務指標的冤枉路。

在此,我們依照過往服務企業的痛點,有系統地找出可能解決方案,一路運用最有效的學習方式,包辦從挑選有利可圖的商品、商品組合分析到建議商品搭售分析推薦圖表(如圖 5. 所示),不但試圖減少誤用財務指標與搭售分析的冤枉路,同時完整的將我們的輔導經驗傳授給您,讓您在數據資料驅動的趨勢下,不落人後!

以80/20法則挑選高獲利商品,接著運用 Apriori 購物籃機器學習演算法,分析 Support(支持度)、Confidence(信賴度)與 Lift(提升度),產出商品搭售分析推薦圖表及「期望產品組合利潤」示意表與圓餅圖。

▲ 圖 5. 商品搭售利潤指標與定價策略流程圖

藍色主視覺以大型標題「誰適合上這門課?」為主,搭配 Python 標誌、購物車、金幣、服飾店、衣物與筆電圖示,呈現程式設計與電商應用的關聯。

想為自己職場數據分析力加強的朋友

在職場上,我們常常面對不同顧客關係管理(CRM)的資料,例如:顧客購買商品種類、數量、價錢、成本等相關資料,尤其以企業對消費者的電子商務模式(Business to Customer,簡稱 B2C)為主的職場夥伴更是如此,您可以透過這門課程強化搭售商品、財務等分析,打造您在職場上創造數據分析力的技能!

初步熟悉 Python 語法的朋友:

若對 Python 裡頭的 pandas、list、if 函數等不陌生,同時又想要了解商品搭售技法如何結合 Python 產出商業管理意涵的您,這堂課將是您邁向外部資料分析的最佳起點。

了解商品搭售的概念,想落地應用的夥伴

課程不只從 0-1 教導購物籃分析概念,更帶領您使用 Python 購物籃結合實戰銷售資料。即便在銷售資料不齊全的情況下,也能有效進行商品搭售。藉由手把手教您基礎購物籃分析,並將分析結果動態視覺化。讓您從購物籃概念、商品分析到財務結果都能一次上手!

想從財務面深入解析購物籃成果的朋友

除了購物籃的教學概念結合大中華地區實戰案例分析外,本課程更以財務面解析購物籃成果,並以「商品搭售分析推薦表」呈現,讓分析結果淺顯易懂,同時用動態呈現「商品搭售分析推薦動態網頁圖」,連商品搭售的財務指標都一目瞭然!

適合對象包括初步熟悉或具備 Python 基礎者、想提升職場數據分析力者,以及希望實際應用商品推薦分析、商品搭售分析,並從財務面結合購物籃分析的學習者。

▲ 圖 6. 本課程適合之對象

「課程單元規劃」標題橫幅,左側有 Python 標誌、購物車與金幣圖示,右側搭配文件、鉛筆、服飾和商店插圖,背景以藍色漸層呈現。

本門課程共區分為四個章節,章節一與章節二介紹商品搭售的個案情境以及協助您解決環境安裝的問題;章節三開始則扎實的從 0-1 協助您奠定購物籃基礎,從「概念」、「技術」到「結果呈現」,面面俱到;第四章節則透過實際案例,深入進行購物籃分析,並結合財務指標,帶您細看購物籃成果,如圖7所示。

課程總覽涵蓋四章:多商品搭售個案情境介紹與資料說明;購物籃分析環境安裝,認識 Python、Spyder 與客製環境;購物籃演算法介紹與實戰,進行資料清理、轉換及動態視覺化;購物籃產品搭售獲利分析,以 80/20 法則找出推薦商品。

▲ 圖 7. 課程總覽圖

章節1-多商品搭售個案情境介紹

一開始我們先介紹特別為「大中華區企業」所量身打造的實際服務個案,以個案教學的方式讓您快速進入實戰情境。下圖 8. 為部分實際案例原始資料演示。

電商訂單資料表以紅框標示「系列」與「產品」欄位,資料包含顏色、單價、成本、訂單時間、性別與尺寸,並對應下方「衛浴用品」分類及浴巾、浴帽等商品層級。

▲ 圖 8. 部分實際案例原始資料演示

章節 2 - 購物籃分析環境安裝

章節二我們會開始安裝 Python 必要的開發環境(如:Spyder 等)與介紹程式撰寫工具,讓我們可以順利接續後續 Python 語言的撰寫,如下圖 9.、10. 所示。

Spyder Python 程式碼示範關聯規則分析,以 customer 與 itemset 建立交易資料,透過 apyori.apriori 計算規則,並將結果整理為含 items、support、ordered_statistics 的 DataFrame。

▲ 圖 9. Python購物籃分析環境安裝

▲ 圖 10. Python購物籃分析環境安裝示範

章節 3 - 購物籃演算法介紹與實戰

進入章節三,首先,我們會淺顯易懂以「白話」介紹購物籃分析演算法,奠定後續實戰分析的重要基礎,如圖 11、圖 12 所示。

Apriori 演算法以三個指標評估商品關聯:Support(支持度)表示商品出現在所有購買清單中的比例,Confidence(信賴度)表示購買 A 後也購買 B 的比例,Lift(提升度)則衡量啤酒與尿布的相關程度。

▲ 圖 11. 購物籃演算法基礎教學一角

Apriori 演算法的 Confidence(信賴度)定義:含有 A 商品的購買組合中,也含有 B 商品的比例,公式為同時含有 A、B 的訂單數除以含有 A 的訂單數;範例中尿布→啤酒為 3/6=50%。

▲ 圖 12. 購物籃演算法基礎教學一角

接著以 Python 實作購物籃分析,建構商品搭售組合表,如下表 2. 所示,我們可從中發現當購買產品 1-12 時,同時購買產品 1-3 的機率接近百分之 30,且購買產品組合能為該企業帶來 871 塊的利潤,並結合較高的提升度更證實了兩產品之間的關聯性,若以表的呈現方式不夠直觀,我們也提快速視覺化每一個產品搭配的基礎組合利潤的動態網頁,讓決策制定更容易,如下圖 13. 所示。

▼ 表 2. 購物籃分析:商品搭售基礎組合表

產品組合分析表列出兩組購買關聯:購買產品1-12後,購買產品1-3的機率為0.2954、提升度2.9588、產品組合利潤871;購買產品1-18的機率為0.0351、提升度2.9937、利潤1184。

▲ 圖 13. 購物籃商品搭售動態朝陽圖

章節 4 - 購物籃產品搭售獲利分析

有了購物籃分析的基礎後,我們便可「真正」進入個案實戰。首要面臨的難題為如何從千百種的商品中抓取優先搭售的商品。根據 80/20 法則之概念,我們可以優先抓取到貢獻 80% 利潤的 20% 商品,找出高貢獻度之產品,並從這 20% 的商品中著手發展後續分析與行銷策略,協助管理者精準掌控資源,如下圖 14. 所示,我們可以看到系列 1、系列 2 的產品就已經為我們貢獻 30% 的利潤,同時系列 3、系列 20、系列 13、系列 14 也可以為我們帶來不錯的獲利,由此可知,我們透過 80/20 法則方式,可以為我們快速找出高價值的系列產品。

▲ 圖 14. 80% 商品利潤貢獻圖

再找出高貢獻度的系列後,我們將延伸系列的產品,針對不同產品進行購物籃分析,接著我們該如何結合購物籃的分析成果來進行搭售策略呢?在此我們會延伸「產品組合利潤」以及「機率」的概念產出「高價值產品組合推薦商品表」,如 表3.所示。

在加入前的表格中,「產品 3-95」搭售「產品 3-96」的組合可以為我們帶來最高的產品組合利潤,但在考量機率後,卻是「產品 1-62」搭售「產品 1-63」可以為我們帶來最高的期望產品組合利潤。綜上所述,我們延伸「產品組合利潤」以及「機率」的概念,不僅藉此知曉每個高價值的商品組合及其組合利潤,更可以協助管理者依照利潤高低找出潛在適合的商品推薦組合。

▼ 表 3. 高價值產品組合推薦商品表

產品組合分析的加入前後比較:表格列出購買產品、機率、提升度與產品組合利潤;加入後新增期望產品組合利潤,最高為770.6230529,並以兩張圓形圖呈現分布。

藍色課程橫幅以「回覆與作業設計」為主標題,搭配 Python 圖示、購物車、金幣、服飾商店與文件插圖,呈現程式設計和作業規劃主題。

    • 一個禮拜回答一次問題
    • 一個禮拜批改一次

「教學方式及內容比一比」主視覺,左側呈現 Python 標誌、購物車與金幣,右側以服飾店、衣物及電腦螢幕圖示呼應教學內容比較。

本課程與坊間最大的差異在課程本身,不僅含有購物籃商品搭售分析的基礎概念與介紹,更從業界實際的落地應用案例與商業思維觀點出發。此外,我們亦透過大中華區的實戰個案,讓各位學員無論是在商品篩選、商品推薦或是透過動態呈現商品搭售成果分析,都能更加落地應用!(如圖 15、16 所示)

坊間課程與本門課程比較:前者多使用國外案例,後者以中華區企業實際服務個案為主,涵蓋 Apriori 演算法、商品推薦策略、動態網頁與產業專案,並提供中華電信、資策會、工研院、貿協、台科大等大型單位的輔導經驗。

▲ 圖 15. 坊間差異

好評不斷:過往業界學員回饋

學員真實回饋,課程好評不斷:Python行銷資料科學獲多則五星評價,學員認為內容實用、適合商學背景與初學者,能從行銷角度學會使用 Python 完成商業資料分析。

▲ 圖 16. 學員好評推薦

藍色漸層橫幅以 Python 標誌、購物車、金幣、服飾與電腦螢幕圖示搭配主標題「關於課程設計者與講師」。

TMR 講師團隊介紹:資料科學分析師蔡尚宏與陳政廷擔任 TMR 特約行銷,TMR 創辦人鍾皓軒居中亮相,三人皆以正式服裝合影。

鍾皓軒(Howard) - 課程設計者/講師

臺灣行銷研究有限公司(TMR)的創辦人

專書出版

業界經歷

    • 曾擔任過中華電信、長榮航空、資策會、工研院、外貿協會國際人才培訓中心、證基會及知名金融企業等多個單位的資料科學課程講師

學界經歷

    • 台科大行銷資料科學課程業師、台科大創新育成中心行銷資料科學課程、台科大新南向創業營隊市場分析及行銷策略講師(全英文授課)、台科大 AI 連續性製程機器學習課程、北市大行銷資料科學應用課程講師

產學專案

    • 曾主持參與金融業、化工業、醫療業、網路廣告業、彩妝業、出版業、高教產業、文教產業等資料科學案

主編

陳政廷(Tim) - 講師

TMR 特約行銷資料科學分析師

出版作品

授課經歷

    • 曾長期與「中華民國外貿協會國際人才培育中心」合作,擔任於高雄、新竹等地的「Python 0 到 1 商業應用」、「Python 機器學習的商務應用」課程助教。累計已服務超過 200 人

業界經歷

    • 某領域前三大 IT 產業:STP 外部輿情與機器學習分析專案
    • 某領域前三大資訊財團法人:網路輿情與 STP 行銷分析案
    • 零售產業:服務價值與旗艦店事前調查分析
    • 企業顧問產業:消費者心目中理想品牌調查

蔡尚宏(Alan)- 講師

TMR 特約行銷資料科學分析師

出版作品

授課經歷

    • 某領域前三大 IT 產業課程助教

業界經歷

    • 某領域前三大 IT 產業:STP 外部輿情與機器學習分析專案
    • 文教產業:精準校務管理之策略與實務應用

藍色活動橫幅中央寫著「課程解鎖活動」,左側呈現 Python 標誌與購物車、金幣,右側有筆記文件、鉛筆、衣物與購物袋插圖。

募資解鎖關卡總覽如下:

200% – 前 60 位學員贈送 $300 元 TMR 數位課程折價卷

前 60 位學員贈送 $300 元數位課程折價卷,可任選 TMR 開設於好學校之數位課程做折抵使用(使用期限至 2022/12/31)。

推薦參加:『台科 EMBA 年年爆滿的一門 Word 課(A 系列)』
目前線上學員已突破 2400 名,讓文書處理成為你可以帶走一生的能力。

推薦參加:『Python 0 到 1 基礎商業數據分析實戰』
帶您了解 Python 在商業數據分析上還能有什麼應用

註:募資達標後前 60 位學員也可獲得其他募資解鎖計畫的抽獎資格

任選數位課程包含:

  1. Python 輿情應用趣:顧客樣貌分析攻略,點此觀看課程。
  2. 不寫程式的數據分析:Excel 商業分析實戰,點此觀看課程。
  3. Python 行銷資料科學:基礎語法入門最前線,點此觀看課程。
  4. Python 0 到 1 基礎商業數據分析實戰,點此觀看課程。
  5. 顧客分類大師:Python x RFM 會員經營新觀點,點此觀看課程。
  6. AI 行銷學:用 Python 機器學習創造商業新價值,點此觀看課程。
  7. 用 Python 打造自己的股票小秘書 ,點此觀看課程。
  8. Excel Power BI 購物籃分析及視覺化實戰,點此觀看課程。
  9. 台科 EMBA 年年爆滿的一門 Word 課(A系列),點此觀看課程。
  10. 台科 EMBA 年年爆滿的一門 Word 課(B+C 系列),點此觀看。

300% – 抽出 5 位學員贈送最強行銷武器一書

抽出 5 位學員贈送書籍(最強行銷武器—整合行銷研究與資料科學)

名家推薦

​​本書將行銷研究與行銷資料科學背後的研究方法、研究設計、研究工具等,做了詳實的介紹,輔以行銷實例說明,並附上原始程式碼。對於有志透過研究方法或行銷研究來精進行銷管理專業的人士來說,這是一本不可多得的好書,我誠摯地推薦給大家。

—— 林孟彥, 台灣科技大學企業管理系教授

GIVE AWAY 贈書活動,黑色書封為《最強行銷武器:整合行銷研究與資料科學》,活動文字標示「300% 抽出5位學員贈送」。

500% – 抽出 3 位學員免費獲得數位課程(任選一門)

募資期間內達 500% 將抽出 3 位學員,免費贈送 TMR 數位課程(任選一門)。

推薦參加:『顧客分類大師:Python x RFM 會員經營新觀點』
讓您將購物籃分析結合顧客分類 RFM 找到會員經營新行銷

推薦參加:『AI 行銷學:用 Python 機器學習創造商業新價值』
帶您了解機器學習模型在 Python 上的商業應用

宣傳橫幅標示「免費贈送以下任一門 TMR 數位課程」,五門課程涵蓋 Office文書處理、Excel 商業數據分析、Python 基礎語法入門、Python 股票小錦囊與 Excel Power BI。

  1. Python 輿情應用趣:顧客樣貌分析攻略,點此觀看課程。
  2. 不寫程式的數據分析:Excel 商業分析實戰,點此觀看課程。
  3. Python 行銷資料科學:基礎語法入門最前線,點此觀看課程。
  4. Python 0 到 1 基礎商業數據分析實戰,點此觀看課程。
  5. 顧客分類大師:Python x RFM 會員經營新觀點,點此觀看課程。
  6. AI 行銷學:用 Python 機器學習創造商業新價值,點此觀看課程。
  7. 用 Python 打造自己的股票小秘書 ,點此觀看課程。
  8. Excel Power BI 購物籃分析及視覺化實戰,點此觀看課程。
  9. 台科 EMBA 年年爆滿的一門 Word 課(A系列),點此觀看課程。
  10. 台科 EMBA 年年爆滿的一門 Word 課(B+C 系列),點此觀看。

800% – 抽出 3 位學員獲得 TMR 實體課程5折券

募資期間內達 800% 抽出 3 位學員,讓中獎學員以原價 5 折選購一門行銷資料科學實體課程(實體課程為確認有開課的課程)。使用期限至 2023/7/31。

TMR實體課程5折券,使用期限至2023/7/31,可用原價5折選購一門行銷資料科學實體課程。

解鎖活動規則說明

1. 課程募資解鎖活動中,課程募資人數百分比是指「募資開始」到「募資結束」(2022/7/7 12:00 - 2022/8/5 23:59)的累計百分比。

2. 獎品寄送僅限台澎金馬地區,如果中獎的學員居住於海外,請填寫親友地址協助代收。

3. 按下「馬上預購」後,將導向「付款資訊」頁面,最下方即是收件資訊填答欄位,所有欄位請務必正確填寫,若未確實填寫,視為不參加抽獎。

4. TMR 圖隊保有以上解鎖活動最終解釋權,亦有修改解鎖活動內容的權利。

「課程贈獎寄送」表單,勾選課程「Python購物籃分析:多商品推薦與利潤策略」,填寫收件人姓名、聯絡電話、地址、郵遞區號與 Email,以參加贈獎或抽獎活動。

「產學與出版經歷」標題橫幅,搭配 Python 標誌、購物車與金幣、文件、服飾及褲子等插圖,呈現學術、出版與產業相關意象。

合作夥伴

合作夥伴案例頁,展示全球前三大科技業、IC設計公司、工業技術法人、電信業與資訊領域法人的資料科學、Python、Excel Power BI及AI行銷學培訓,並涵蓋臺灣科技大學、高雄師範大學與臺北市立大學。

  • 🏆 暢銷排行第 1 名 - STP 行銷策略之 Python 商業應用實戰專書 🏆
  • 歡迎點擊通路名稱,即可觀看書籍詳細介紹:博客來、金石堂、天瓏
  • 天瓏網路書店「近7天中文熱門暢銷」排行榜中,STP 行銷策略之 Python 商業應用實戰|網路爬蟲X機器學習列為第1名,79折優惠價為 $411,原價 $520。

🏆暢銷排行第 3 名 - 行銷資料科學🏆

🏆最新強檔書籍 -最強行銷武器 整合行銷研究與資料科學 🏆

🏆最新強檔書籍 -實戰 Excel 行銷分析 不寫程式也能分析大數據 🏆

  • 《實戰 Excel 行銷分析:不寫程式也能分析大數據》書籍封面與封底,內容涵蓋資料清理、80/20 法則、產品分析、顧客分群與行銷活動分析,作者為陳俊凱、鍾皓軒、羅凱揚。
哪些人適合這堂課?
👉 想為自己職場數據分析力加強的朋友 👉 初步熟悉 Python 語法的朋友 👉 了解商品搭售的概念,想落地應用的夥伴 👉 想從財務面深入解析購物籃成果的朋友
你可以學到
👉 將熱賣商品按照利潤大小排序形成推薦名單,得到最大獲利 👉 透過機器學習分析找出商品搭配,利用 AI 自動化的方式快速進行配對 👉 使用 Apriori 演算法找出商品搭售組合,以購物籃分析角度重新定義搭售組合 👉 結合財務指標建立產品組合推薦名單,透過視覺化結合財務面分析讓人一目了然!
上課前的準備
需要準備的工具 / 軟體(若購買課程前不清楚版本是否支援,請先留言與老師確認。)
👉 一台穩定的電腦,不限 Mac/Windows/Linux 作業系統 👉 需安裝 Visual Studio Code 開源免費軟體與 Jupyter Notebook 軟體工具,課程中也會一步步帶領大家安裝 👉 本課程以 Python 開源免費語言為主
需要具備的背景知識
👉 瞭解 Windows/Mac 電腦的基本操作。 👉 具 Python 語法基礎者
單元一覽
4 章 12 單元|總時長 144 分鐘
全部展開
1
多商品搭售個案環境介紹
影片單元
單元 1 - 產業情境案例說明
影片單元
單元 2 - 情境個案資料說明
07:13
2
購物籃分析環境安裝
影片單元
單元 1 - 介紹與安裝 Python 好用的工具 – Spyder 操作介面
07:46
影片單元
單元 2 - 安裝特製環境檔
03:41
3
購物籃演算法介紹與實戰
影片單元
單元 1 - 商品搭售的好方法 – 購物籃分析介紹
16:27
影片單元
單元 2 - 購物籃分析的資料格式 – 資料清理、處理與轉換
17:34
影片單元
單元 3 - 購物籃分析一把罩 – 手把手教您基礎購物籃分析
13:00
影片單元
單元 4 - 購物籃分析視覺化 – 商品搭售優先順序一覽無遺
18:07
4
購物籃產品搭售獲利分析
影片單元
單元 1 - 如何從千百種商品找出建議搭售商品?– 80/20 法則實戰演練
21:22
影片單元
單元 2 - 簡簡單單由財務面解析購物籃成果 – 商品搭售分析推薦表
02:49
影片單元
單元 3 - 簡單視覺化財務面解析購物籃成果 – 商品搭配分析推薦動態網頁圖
07:29
影片單元
單元 4 - 如何挑選有價值的推薦商品?管理意涵
15:11
作業單元
作業 1 - 80 - 20 法則 x 購物籃分析作業
查看作業
試看單元
播放試看影片
章節 1 - 多商品搭售個案環境介紹
單元 1 - 產業情境案例說明
試看影片
13:41
課程評價
4.5
/ 5.0
6 則評價
Valerie Wang2024-04-11
課程設計很好
課程設計很好,並且有實例可以操作,搭配使用的圖表也非常實用。
臺灣行銷研究
授課老師
2024-04-12
謝謝同學的支持與肯定! 我們很高興有這個機會為您提供此良好的學習體驗。如果您在未來有任何進一步的問題或需要協助,都歡迎再繼續留言,講師會持續為您解答。 再次感謝您的鼓勵和支持!
查看更多
1 人覺得有幫助
李姿儀2024-11-30
實用
老師用淺顯易懂的方式講解個案及如何實際應用多商品搭售,視覺化互動圖表也很實用
臺灣行銷研究
授課老師
2024-12-02
謝謝同學的支持與肯定! 我們很高興有這個機會為您提供此良好的學習體驗。如果您在未來有任何進一步的問題或需要協助,都歡迎再繼續留言,講師會持續為您解答。 再次感謝您的鼓勵和支持!
查看更多
莊雅婷2025-01-22
收穫滿滿
收穫滿滿
臺灣行銷研究
授課老師
2025-01-23
謝謝同學的支持與肯定! 我們很高興有這個機會為您提供此良好的學習體驗。如果您在未來有任何進一步的問題或需要協助,都歡迎再繼續留言,講師會持續為您解答。 再次感謝您的鼓勵和支持!
查看更多
黃奕銘2023-05-01
Python 購物籃分析:多商品推薦與利潤策略
很完整
陳盈惠2024-12-08
課程內容簡易好理解,適合剛入門的新手
課程內容簡易好理解,適合剛入門的新手
臺灣行銷研究
授課老師
2024-12-09
謝謝同學的支持與肯定! 我們很高興有這個機會為您提供此良好的學習體驗。如果您在未來有任何進一步的問題或需要協助,都歡迎再繼續留言,講師會持續為您解答。 再次感謝您的鼓勵和支持!
查看更多

意猶未盡嗎?

關於講師

臺灣行銷研究
5堂課程
0篇文章
1,193位學生
臺灣行銷研究有限公司(TMR)所創建的【行銷資料科學團隊】 曾出版國內第一本的行銷資料科學書籍。經歷中華電信AI專案課程服務、資策會AI專案合作與課程服務、外貿協會國際企業人才培訓中心行銷資料科學課程服務。 曾主持參與金融業、化工業、醫療業、網路廣告業、彩妝業、出版業、高教產業、文教產業等資料科學案 同時創建全台第一個的【行銷資料科學】粉絲專頁、Line@、FB社團與Medium
前往講師頁面

購課前問答

日期最新
日期最新
日期最舊
愛心數
xox723
2024-10-18
請問資料是從哪裡來 是在資料庫做假資料匯出嗎做處理嗎
臺灣行銷研究
授課老師
2024-10-22
同學您好: 謝謝您的提問!本堂課所使用的資料,皆是以我們TMR過往服務的業界廠商為參考,經過去識別化後製作出貼近實際的「零售顧客資料」,讓學員能更真實地體驗資料分析的過程,同時學習有效的分析方法。此外,課程更結合了TMR的數據分析專業,進階教授學員「商品搭售分析」的技巧。期望學員在實際應用時,幫助學員進一步萃取出更多有價值的資訊,創造出更多商業價值。 再次謝謝您的回饋,期待課堂上見~
回覆
我也想問
JerryHu
2022-07-27
希望會有推薦情境分析
臺灣行銷研究
授課老師
2022-08-01
感謝您的回饋! 有關於您所提到的推薦情境分析,在此分為兩個層面向您回覆: 1. 於情境的部分,我們將採用全台前10大之零售業模擬案例,來闡述操作購物籃分析時遭遇的情境窘狀,並提出相關解決方案。 2. 推薦分析層面,我們會將本案約400種系列以及7000種以上商品來執行購物籃分析,找出潛在可搭售的商品,並提供財務面建議,期望能以數據驅動的角度,為管理者帶來科學化的決策參考。 若有疑問歡迎隨時回饋!
(已編輯)
回覆
我也想問
林芸群
2022-07-26
請問這個可以抓取蝦皮的數據嗎?謝謝
臺灣行銷研究
授課老師
2022-07-27
同學好!非常感謝您的提問! 本課程沒有教如何爬取蝦皮的數據喔~ 但若您手邊有該數據並確保確保資料當中有「會員編號」、「產品名稱」、「系列」、「單價」與「成本」欄位,就可結合本課程所學建構出屬於您完整的購物籃分析囉! 我們有開設另一門課程【Python 輿情應用趣:顧客樣貌分析攻略】,課程內容有包含相關的爬取技能! 在此也附上課程連結給您參考喔~ 非常感謝! 【Python 輿情應用趣:顧客樣貌分析攻略】 https://hahow.in/cr/crawler-analysis
(已編輯)
回覆
我也想問
bubblesanta
2022-07-25
老師您好: 請問若是我的購物籃資料有缺失,會影響到之後的分析嗎?又該怎麼樣去做處理呢?
臺灣行銷研究
授課老師
2022-07-25
同學好,非常感謝您的回饋! 只要確保資料當中有「會員編號」、「產品名稱」、「系列」、「單價」與「成本」欄位,就算資料有缺失或者其他欄位不足,仍可建構完整的購物籃分析,並結合本課程之分析技巧找出最佳商品搭售組合!
回覆
我也想問
黃湘茹
2022-07-25
請問這一堂課適合初學者嗎? 目前尚未了解python的人,但未來想走數據分析相關行業
(已編輯)
臺灣行銷研究
授課老師
2022-07-27
非常感謝同學的回饋! 建議先對Python有初步的了解再進行學習會比較好喔!(e.g. 資料清理、dataframe、pandas與matplotlib操作等~)但同學也不用擔心! 我們也有提供合購方案,幫助學員有更好的學習! 您可以參考最新推出的【Python行銷資料科學:基礎語法入門最前線】+【Python 購物籃分析:多商品推薦與利潤策略】的合購組合!
回覆
我也想問
購買單堂課

NT$2,388
有什麼優惠可以用?
小蛙幫你找最佳優惠
登入看看 有什麼優惠用

相關標籤