[온라인 서점 고객세분화] ChatGPT가 지원하는 디지털 마케터의 시장/고객 데이터 분석 * 고객세분화와 마케팅, 그리고 데이터분석과 알고리즘 활용 (Python). ChatGPT의 초안을 이해하고 응용하는 방안 ** 온라인서점의 가상 예제로 예제의 전반적 설명과 데이터셋(첨부)에 대한 설명은 아래 블로그 링크를 참고 https://revisioncrm.tistory.com/405 [CRMAJU2018] R데이터분석 - 탐색적 고객세분화 :: 서점 데이터 활용 # 서점의 고객 데이터에 대한 가상 사례 # 탐색적인 분석과 고객세분화 응용 사례 # cs1 > 고객세분화(customer segementation)와 시장세분화(market segmentation)는 대상에서 차이가 나기 때문에 엄밀하게는 구별..

styleMarket 데이터분석 : 보헤미안브리즈 고객세분화 분석 PYTHON FSTAAP { # FSTAAP { # FSTAAP { # FSTAAP { # > 스타일마켓은 대한민국에 위치한 패션 제품의 생산, 수입 및 국내외 유통을 담당하는 기업입니다. 이 회사는 다양한 스타일과 트렌드에 맞춘 다양한 패션 아이템을 제공하며, 의류, 액세서리, 신발 등을 포함한 주요 제품 라인업을 생산합니다. 스타일마켓은 고품질의 원단과 재료를 사용하여 제품의 품질과 내구성을 보장하며, 다양한 디자인 팀과 협업하여 새로운 패션 트렌드를 제공합니다. 또한, 유명한 패션 브랜드 및 디자이너와의 협업을 통해 독특하고 차별화된 제품을 개발합니다. 회사는 글로벌 시장 동향을 파악하고 다양한 유통 채널을 통해 국내외 고객들에게 제..

파이썬 scatter plot에 클러스터 또는 그룹별로 다른 색을 칠하고 싶다면 컬러를 구분할 벡터를 먼저 생성한 후 맵을 만들어서 대응되는 색을 가져오도록 처리 예를들면 아래처럼 The color= or c= property should be a matplotlib color, as mentioned in the documentation for plot. To map a integer label to a color just do LABEL_COLOR_MAP = {0 : 'r', 1 : 'k', ...., } label_color = [LABEL_COLOR_MAP[l] for l in labels] plt.scatter(x, y, c=label_color) # ........ OR If you don't..

www.bizdeli.com/online/detail_new.asp?pfid=S4515 (상세 소개 링크) 비즈델리(BizDeli) - 온오프라인 교육 사이트 / Business is Delicious with BizDeli.. 일시 : 수강기간 2020.9.29(화)~2020.10.5(월)(7일간) 장소 : 온라인수강=>개강 전날 이메일로 보내드리는 링크를 클릭해 수강기간(7일)중 수강(네이버 밴드) 강사 : 리비젼컨설팅 전용준 대표 교육비 : �� www.bizdeli.com [강의 소개] 실전 타겟 마케팅과 고객세분화 활용 *** 이런 분께 도움이 됩니다 - 마케팅 성과를 높이기 위해 타겟 마케팅을 활용하고자 하는 마케터 - 고객세분화를 통해 전략을 수립하고자 하는 기획자 - 타겟 마케팅의 기본 원..

유통업의 추천서비스 구현 -- Drill using R 20190521 ~ 20190522 [전용준 리비젼 recsys r] [전용준 리비젼 recsys r] Sample Data: mDataAR.csv Script : retail_recsys_YONG_revision_script20190425.txt _review_R_EDA_scrpt_201910.txt recsys_YONG_revision_R_script20191023.txt ############## recsys_YONG_revision_R_script20191112_ABC.txt ########## recsys_YONG_revisi..

#--------------- # anomaly detection # # 여러 방법중 단계적 클러스터링 방법 적용 example # procedure :: [1] cluster globally [2] pick a target cluster # [3] cluster the target cluster [4] pick the anomaly subcluster # bring in the data file directly from blog posting attachment hit <- read.csv("http://cfile232.uf.daum.net/attach/230D904A577DCECA3415A2") hit..