Analisando propostas

Freela de Data Science

Publicado em 27 de Julho de 2018 dias na TI e Programação

Sobre este projeto

Aberto

- Análise cohort (usuários e estabelecimentos credenciados).
- Análise de atividades dos usuários dentro da plataforma (fez download no dia X, fez a primeira ação do dia X e tem uma média mensal de gasto de xx,xx)
- separar usuários em camadas de uso (usuários que usam x vez por mês, usuários quem usam y vezes por mês, etc.).
- Separar usuários em camadas de ticket médio (X% dos usuários tem ticket médio de R$, xx,xx, y% dos usuários tem ticket médio de r$ zz,zz, etc.).
- Coeficiente de viralidade (uma das principais interpretações desejadas).

Outputs esperados:
- Saber que (em média) os usuários que usam o app mais de 4 vezes no mês tem uma probabilidade de 9% de dar churn (apenas um exemplo de números).
- Saber se os esforços devem ser destinados para os usuários da base ou aquisição de novos usuários.
- ROI por canal (Social, search, referral, vídeo, etc).

- ROI por gênero (idem acima).
- ROI por faixa etária (idem acima).
- Download por canal (idem acima).

Categoria TI e Programação
Subcategoria Programação
Qual é o alcance do projeto? Alteração média
Isso é um projeto ou uma posição de trabalho? Um projeto
Tenho, atualmente Não se aplica
Disponibilidade requerida Conforme necessário
Integrações de API Cloud Storage (Dropbox, Google Drive, etc), Outros (Outras APIs)
Funções necessárias Desenvolvedor, Gerente de projetos, Analista de negócios, Outro
Outras funções necessárias - Análise cohort (usuários e estabelecimentos credenciados). - Análise de atividades dos usuários dentro da plataforma (fez download no dia X, fez a primeira ação do dia X e tem uma média mensal de gasto de XX,XX) - Separar usuários em camadas de uso (Usuários que usam X vez por mês, usuários quem usam Y vezes por mês, etc.). - Separar usuários em camadas de ticket médio (X% dos usuários tem ticket médio de R$, XX,XX, Y% dos usuários tem ticket médio de R$ ZZ,ZZ, etc.). - Coeficiente de viralidade (uma das principais interpretações desejadas). Outputs esperados: - Saber que (em média) os usuários que usam o app mais de 4 vezes no mês tem uma probabilidade de 9% de dar churn (apenas um exemplo de números). - Saber se os esforços devem ser destinados para os usuários da base ou aquisição de novos usuários. - ROI por canal (Social, search, referral, vídeo, etc). - ROI por gênero (idem acima). - ROI por faixa etária (idem acima). - Download por canal (idem acima).

Prazo de Entrega: Não estabelecido

Habilidades necessárias

Outro projetos publicados por J. B.