Analisis Rantai Markov

Probabilitas Lanjutan: Ketidakpastian dalam Data

Maarten Van den Broeck

Senior Content Developer at DataCamp

Apa itu Rantai Markov?

• Memodelkan sistem dengan berbagai state
• Transisi antar state berbasis probabilitas
• Gagasan inti: transisi hanya bergantung pada state saat ini
• Aplikasi utama: memahami perjalanan pelanggan

Elemen Rantai Markov

• State: kondisi atau tahap berbeda

Elemen Rantai Markov

• State: kondisi atau tahap berbeda
• Transisi: probabilitas berpindah dari satu state ke state lain

Elemen Rantai Markov

• Probabilitas steady-state: probabilitas jangka panjang berada pada suatu state
  • Dihitung dengan perangkat lunak statistik atau alat BI
  • Mis. steady-state untuk cerah: 66,67%

Matriks transisi

	Cerah	Berawan
Cerah	80%	20%
Berawan	40%	60%

Aplikasi Rantai Markov

• Retensi pelanggan:
  • Mengidentifikasi probabilitas transisi antara state keterlibatan dan churn
• Optimasi konversi:
  • Progres melalui corong penjualan
• Rekomendasi produk:
  • Memprediksi interaksi pelanggan selanjutnya

Contoh: e-commerce$^1$

¹ C untuk Coupon, P untuk Purchase, E untuk Exit

Contoh: e-commerce

	Menggunakan kupon (baru)	Melakukan pembelian (baru)	Keluar
Menggunakan kupon	10%	60%	30%
Melakukan pembelian	5%	90%	5%
Keluar	15%	5%	80%

Contoh: e-commerce

	Menggunakan kupon (baru)	Melakukan pembelian (baru)	Keluar
Menggunakan kupon	10%	60%	30%
Melakukan pembelian	5%	90%	5%
Keluar	15%	5%	80%

Ayo berlatih!

Probabilitas Lanjutan: Ketidakpastian dalam Data