銷售 AI 化!看資料科學家如何思考, 用 Python 打造能賺錢的機器學習模型[79折]11100974982 TAAZE讀冊生活網路書店
1. 透過LINE購物進入蝦皮後禁止再透過蝦皮直播下單,避免訂單認列異常
2. 請務必「清空」蝦皮購物車,再透過LINE購物連結至蝦皮商店進行購買 ;先把商品加入購物車,再從LINE購物連結至蝦皮結帳,將無法獲得點數回饋。
3. 請避免連續下單,若您完成交易後,想下第二張訂單,請重新從LINE購物連結至蝦皮商店進行購買
4. 電子票券及繳費服務類別:回饋0%。
5. 請留意,蝦皮超市內的商品(蝦皮超市、蝦皮直送美妝、蝦皮免運直送)不隸屬於蝦皮商城,點數回饋請依照「蝦皮超市」商店頁為主。
6. 蝦皮商城之訂單適用於部分點數紅包,規範請依該紅包頁說明為主。
7. 點數回饋將依照蝦皮提供扣除折價券、運費與蝦幣後之最終金額進行計算。
8. 同一商品品項(即便不同尺寸規格),皆會計入同一筆返點上限進行計算
9. 用戶需於同一瀏覽器進行交易(若自動跳轉 APP,請在 APP交易)。
10. 若使用不同物流或付款方式,將拆分成不同筆訂單編號發送通知。
11. 若使用折價券折抵,可能會有攤提折抵導致訂單金額些微落差
12. 蝦皮會將LINE的導購跳轉紀錄與蝦皮的會員ID進行綁定,若後續七天內未透過其他媒體來源導入蝦皮官網,則七天內於該蝦皮帳號下訂的首筆訂單會被蝦皮認列為該LINE用戶導購跳轉時所成立之訂單。
13. 若同一用戶使用一個以上蝦皮帳號透過LINE購物進行導購,將可能導致無法收到導購通知,亦可能無法收到點數,再請留意。
[注意事項]
1.如導購途中用戶由網頁版(電腦版/手機版網頁)切換為 App 會造成追蹤中斷而無法進行 LINE Points 回饋
2.若購買過程中關閉蝦皮APP,則需重新透過LINE購物前往蝦皮商城,否則無法進行LINE POINTS 回饋。 / 3.如用戶先前往蝦皮商城將商品加入購物車,後續透過LINE購物前往至蝦皮商城將購物車結清,此方案將不列入 LINE Points 回饋
4.若因系統異常無法追蹤訂單,致使消費者無接收到點數回饋,蝦皮保有更改條款與法律追訴之權利
5. LINE購物商品價格若與蝦皮賣場實際價格有異,以蝦皮賣場價格為準商品描述
商品資料
作者:Masanori Akaishi
出版社:旗標科技股份有限公司
出版日期:2022/02/15
ISBN/ISSN:9789863127024
語言:繁體/中文
裝訂方式:平裝
頁數:400
原價:620
------------------------------------------------------------------------
內容簡介
【世界發生劇變!銷售 AI 化勢在必行!】
AI 議題已經講了好多年,然而絕大多數的企業仍然沿用老路子做生意,亂槍打鳥式的銷售方式也沒甚麼進步。然而時代不同了,既然有 AI 這個好工具為何不用?因為不懂不會所以不知該如何開始?眼睜睜看著 Google、
其實,AI 不是大企業才能作,中小企業也可以,但不是全面做,而是挑選適合的做。最容易做到且很快就能換成實績的就是行銷、業務的銷售工作,只要利用自身累積的銷售與客戶等資料就行,讓 AI 自動找出其中隱藏的銷售密碼,並直接運用在工作中驗證,這就是本書的主軸:銷售 AI 化,讓機器學習來幫忙。
【AI 不是打高空,要落實在工作中】
許多工程師學了 AI 技術,卻不知道如何讓技術落地!其實開發以銷售為目的的 AI 並不需要高深的技術,只要用機器學習就能辦到。書中範例使用的都是真實企業產生的工作資料,例如要預測潛在客戶時,可讓 AI 從客戶職業、年齡與過去的銷售實績等資料自動學習,找出資料間的關係建出模型並做出預測,我們就可以對商品或客戶擬定策略去執行計畫。也可以依據過去幾年的每日銷量,考慮節假日的影響,利用
重要的商用實作範例包括:
●銷售成交預測
●銷量或來客數預測
●季節週期性變化預測
●推薦商品提案
●根據客群制定銷售策略
本書由世界 500 大企業 Accenture (埃森哲) 公司的 AI 集團資深總監親自執筆,規劃出開發 AI 專案的標準流程,從選擇適合引入工作中的 AI 開始,一路到訓練資料的取得、資料加工、選擇演算法及建立 AI 模型之後的評估與調整等 9 大步驟。即使沒有開發過 AI 專案經驗的人也不用擔心,只要跟著動手做,就能看到成果。
書中的案例會實作監督式學習與非監督式學習中「分類」、「迴歸」、「時間序列」、「關聯分析」、「分群」、「降維」等各種演算法,讓讀者依照問題的類型選擇適用的處理模式。而且每個專案都不馬虎,從頭做到尾一遍一遍演練 SOP,將流程深深印入腦海,熟悉每個步驟之後才能順利應用到自己的專案。
【邁向資料科學家之路】
書中提供的所有 Python 程式都是可以運用在實務工作上的原型,每個人都可以利用這些原型建出自己想要的機器學習模型。了解如何從實務觀點建立 AI,藉由本書了解整個專案的開發流程以及 Python 程式的實作方式,也等於邁出成為資料科學家的第一步。
許多書籍在教導讀者建出 AI 模型後就結束了,但資料科學家最有價值之處就在於建出預測模型後該如何因應提出的需求做調整,本書也會詳細介紹數種調整模型的方法與策略。
【適合的讀者程度】
無論是 MIS、程式設計師、業務或行銷主管、只要具備 Python 程式基礎就可以開始。AI 專案常用的 NumPy、Pandas 與 Matplotlib 等必備 Python 套件,也會在書附講座中一一介紹供讀者練習。開發環境是雲端的 Google Colaboratory,只要能上網就能用,省去在自己電腦安裝軟體的麻煩。
本書特色:
1. 世界 500 大 Accenture (埃森哲) 公司 AI 集團資深總監親自執筆
2. 實用性最高!能實際運用在提高公司的銷售績效。
3. 一點都不難!只要具備 Python 語言基礎就能上手。
4. 由施威銘研究室監修,在適當的地方補充說明幫助讀者理解。
作者簡介
Masanori Akaishi
世界 500 大 Accenture 公司商業諮詢總部 AI 集團資深總監。
1985 年畢業於東京大學工學院數值工程系。1987 年在同一研究所完成碩士課程。 同年加入日本 IBM 至 2020 年 12 月。2021 年 3 月加入 Accenture 公司,負責人工智慧人力資源開發相關工作。
學校講師
京都情報學大學院客座教授
著作
《銷售 AI 化!看資料科學家如何思考, 用 Python 打造能賺錢的機器學習模型》、《深度學習的數學地圖–用 Python 實作神經網路的數學模型》(旗標科技)、《實用 Python 自然語言處理入門》(日本翔泳社)、《機器學習與深度學習從 Watson Studio 開始》(日本 RIC Telcom)。此外,也在許多雜誌執筆。
LinkedIn:
qiita: