۲ مطلب با کلمه‌ی کلیدی «آمار کاربردی» ثبت شده است

تجزیه و تحلیل کوهارت

بسیار مهم است که بتوان داده ها را سکشن بندی کرد. مثلا یک بازیِ آنلاین متوجه می شود با آنکه ثبت نام‌ها زیاد شده اما درآمد کاهش پیدا کرده. در این زمان کل داده ی مشتریان را به وفادار و جدید دسته بندی می کند و می بیند که مشتریان وفادار بدلیل تاخیر در ارائه نسخه ی جدید دلسرد شده اند درحالیکه مشتریان جدید اصلا متوجه این موضوع هم نشده اند. درواقع تحلیل کوهارت بر سه پارامتر استوار است

1. سوال به درستی و واضح مطرح می شود مثلا چرا با وجود افزایش ثبت نام اما درآمد کاهش یافته؟
2. داده ها بر مبنای خصوصیات مشترک تقسیم می شوند مثلا مشتری جدید و مشتری وفادار
3. آنالیز هر بخش از داده ها جداگانه انجام می شود و سپس باهم مقایسه می شوند. اینگونه می توان متوجه شد که مثلا درآمد در کدام دسته از مشتریان کاهش داشته و همان بخش را برای افزایش درآمد در آینده تقویت کرد.

بر اساس نظریات: کوهارت، داوی جیانگ، داو چن

آنالیز خوشه ای بازار

یکی از مفیدترین روشها برای دسته بندی داده های جمع‌آوری شده است. این دسته بندی دارای روشهای بسیار زیاد و عموما پیچیده آماری با استفاده از متغیرهای مختلف است اما راه بسیار آسان آن به شرح زیر است:

1. کل داده ها را جمع آوری کرده و در بردار می ریزیم
2. حالا بر روی داده هایی که نزدیک به هم هستند خط می کشیم
3. همچنین می توان داده ها را بر حسب چگالی بر روی بردار نیز برای مقاصد دیگر تقسیم کرد.

مثال: قصد داریم کل خرده فروشان را بین ویزیتورها بر اساس فاصله زمانی یک ساعته تا ۵ انبار تقسیم کنیم. داده های خرده فروشان را بر روی بردار ریخته و بر اساس نزدیک بودن آدرس آنها تا فاصله یک ساعته به هر انبار، دورشان خط می کشیم. چنانچه تعداد خرده فروشان در هر خوشه (چگالی) بیش از ۲۰۰ عدد بود، آنها را بر حسب موقعیت جغرافیایی بین ۲ ویزیتور تقسیم می کنیم. خرده فروشانی که فاصله آنها تا انبارها بیش از یک ساعت است را حذف کرده و یا برایشان یک خوشه جدید می سازیم. حالا برای مراجعه ویزیتورها به خرده فروشان برنامه زمانی تعیین می کنیم. توجه شود که این خوشه بندی می تواند شامل پارامترهای دیگری باشد که در اینجا ۵ انبار و فاصله جغرافیایی ۵ کیلومتری فرض شد.

بر مبنای نظریات: درایور، کروبر، زوبین، تریون، دیویس، اوریت