Dirigido a:
-
Gerentes, analistas de datos y personal
Modalidad:
Duración:
Descripción:
-
Este curso proporciona una introducción a la utilización de técnicas de data mining para
el análisis de distintos tipos de datos provenientes de transacciones en la World Wide Web.
Se consideran los problemas y prácticas más relevantes y se utilizan varias herramientas.
Aprenda cómo
- Utilizar herramientas estadísticas para hacer análisis de datos de transacciones en la Web
(Web analytics).
- Identificar e interpretar métricas clave.
- Comprender las principales técnicas de recolección de datos, su impacto sobre las métricas
y sus limitaciones.
- Obtener conclusiones sobre cómo optimizar el diseño de un sitio web o realizar actividades
de marketing.
¿Quiénes debieran asistir?
-
Analistas que desean comprender las mejores prácticas, técnicas, tendencias y problemas
del área de Web mining, incluyendo analistas de data mining, de marketing y CRM.
Prerrequisitos:
Antes de asistir a este curso usted debiera:
- Tener un conocimiento básico del funcionamiento de la Web y de las cuestiones básicas
del comercio electrónico (e-commerce) y publicidad en línea.
- Tener un conocimiento básico de estadística descriptiva e inferencial.
- Tener un conocimiento básico de las principales técnicas de data mining.
Contenido:
- Introducción:
- Definición, ejemplos y breve historia de la World Wide Web.
- Revisión de las principales tecnologías y estándares en la Web.
- Análisis de flujo de clicks.
- Técnicas de recolección de datos de flujo de clicks:
- Análisis de logs.
- Tagging de páginas web.
- Cookies.
- Sniffing de paquetes.
- Herramientas de análisis.
- Métricas en la Web
- Vistas de páginas, visitas (sesiones), diversas clases de visitas,
tiempo en una página, tasa de rebotes, etc.
- Análisis de contenidos, páginas más populares, págines de entrada
y salida.
- Métricas vinculadas a sucesos.
- Medición de resultados/acciones: cadena de conversión, tasas de
conversión, tasas de abandono, etc.
- Monitoreo y análisis:
- Monitoreo y detección de anomalías.
- Análisis de tendencias.
- benchmarking.
- tableros de control.
- segmentación y OLAP.
- análisis de navegación.
- experimentación y análisis multivariado.
- analytics de búsqueda, motores de búsqueda y optimización.
- Modelización descriptiva de transacciones en la Web
- Pre- y postprocesamiento de datos.
- Reglas de asociación.
- Análisis de secuencia.
- Clustering (k-medias).
- Modelización predictiva:
- Ejemplos de aplicaciones de web mining.
- Sistemas de recomendación y filtrado colaborativo.
- Redes sociales y su análisis:
- Ejemplos (Twitter, Facebook, etc).
- Métricas de blogs.
- Métricas de redes sociales.
- Análisis de comunidades en la Web.
- Difusión en redes sociales y marketing viral.
|