تجزیه و تحلیل محصول برای تصمیمات مبتنی بر داده ها: با تجزیه و تحلیل دیتای وب بینش کسب کنید

تجزیه و تحلیل محصول برای تصمیمات داده محور: به دست آوردن بینش از داده های تجزیه و تحلیل وب ، مفاهیم اصلی را کشف می کند که به بینندگان کمک می کند تا با داده های خود کار کنند ، تعصب را در مجموعه داده ها شناسایی کنند ، داده های خوب را از داده های بد متمایز کنند و در نهایت برای کمک تصمیمات تجاری عملی بگیرید. زبان آموزان نمونه های دنیای واقعی از تجزیه و تحلیل محصولات موفق را مشاهده می کنند و یاد می گیرند که چگونه از اقدامات کیفی و کمی برای نتایج مطلوب استفاده کنند. استراتژی کسب و کار. از طریق هشت درس ویدئویی منحصر به فرد ، Rodrigues آموزش های عمیق در فرآیند تولید داده ها ، نظریه های روانشناختی و عصبی رفتار ، اجرای ابزارهای آماری در طراحی پیمایشی و تکنیک های روان سنجی و موارد دیگر را ارائه می دهد.

عنوان اصلی : Product Analytics for Data-Driven Decisions: Derive Insights from Web Analytics Data

سرفصل های دوره :

01 مقدمه:
001 تجزیه و تحلیل محصول برای تصمیمات داده محور - مقدمه
02 قسمت 1: تکنیک های تئوری ساختمان در تجزیه و تحلیل محصول:
001 تکنیک های تئوری ساختمان در تجزیه و تحلیل محصول
03 درس 1: فرآیند تولید داده را کاوش کنید:
001 اهداف یادگیری
002 1.1 فرآیند تولید داده
003 1.2 ویژگی های یک سیستم اجتماعی
004 1.3 انواع استنتاج
005 1.4 مشکلات برای تجزیه و تحلیل
006 1.5 بینش عملی
04 درس 2: ساختمان تئوری:
001 اهداف یادگیری
002 2.1 فرآیند ایجاد تئوری
003 2.2 عناصر ساختمان تئوری
004 2.3 مفهوم سازی و اندازه گیری
005 2.4 مثال - ساختمان تئوری برای محصولات وب
05 درس 3: تغییر رفتار:
001 اهداف یادگیری
002 3.1 درک رفتار
003 3.2 نظریه های روانشناختی تغییر رفتار
004 3.3 نظریه های عصبی تغییر رفتار
005 3.4 تغییر رفتار برای محصولات وب
06 قسمت 2: نظریه های آزمایش در تجزیه و تحلیل محصول: توسعه ویژگی/متریک:
001 نظریه های آزمایش در تجزیه و تحلیل محصول - توسعه متریک
07 درس 4: یادگیری تکنیک های اساسی آماری و مشکلات رایج:
001 اهداف یادگیری
002 4.1 توزیع
003 4.2 میانگین حالت و واریانس
004 4.3 kurtosis
005 4.4 نمونه برداری
006 4.5 انواع دیگر توزیع
007 4.6 محاسبه همبستگی های خطی
08 درس 5: مفهوم سازی ، عملیاتی سازی و توسعه متریک:
001 اهداف یادگیری
002 5.1 دوره - سن - گروه
003 5.2 گروه و معیارهای دوره
004 5.3 مشکل مخرج
005 5.4 ساله سال
006 5.5 استاندارد سازی
007 5.6 دوباره وزن
09 درس 6: فرآیند توسعه متریک:
001 اهداف یادگیری
002 6.1 معیارهای مشترک-قسمت 1
003 6.2 معیارهای مشترک-قسمت 2
004 6.3 معیارهای قیف
005 6.4 معیارهای پیشرفت
006 6.5 معیارهای بقا
007 6.6 مشکلات توسعه متریک
10 درس 7: ایجاد فهرست:
001 اهداف یادگیری
002 7.1 اندازه گیری مفاهیم پیچیده
003 7.2 طراحی اصلی طراحی بهترین روشها
004 7.3 تقسیم بندی کاربر در مقابل تایپ
005 7.4 انتخاب تنظیمات مدل سازی
006 7.5 تجزیه و تحلیل مؤلفه های اصلی PCA
007 7.6 به عنوان مثال با استفاده از تجزیه و تحلیل عاملی PCA برای ایجاد نشانگر
11 درس 8: آزمایش A/B:
001 اهداف یادگیری
002 8.1 تنظیمات B-قسمت 1
003 8.2 تنظیمات B-قسمت 2
004 8.3 تصادفی را درک کنید
005 8.4 نتایج تست های B را تفسیر کنید-قسمت 1
006 8.5 نتایج تست های B را تفسیر کنید-قسمت 2
007 8.6 مشکلات آزمایش B
12 خلاصه:
001 تجزیه و تحلیل محصول برای تصمیمات داده محور - خلاصه