Phân tích chuỗi Markov

Xác suất nâng cao: Bất định trong dữ liệu

Maarten Van den Broeck

Senior Content Developer at DataCamp

Chuỗi Markov là gì?

• Mô hình hóa hệ thống với các trạng thái khác nhau
• Chuyển giữa trạng thái dựa trên xác suất
• Ý chính: chuyển tiếp chỉ phụ thuộc trạng thái hiện tại
• Ứng dụng chính: hiểu hành trình khách hàng

Các thành phần của chuỗi Markov

• Trạng thái: các điều kiện hoặc giai đoạn khác nhau

Các thành phần của chuỗi Markov

• Trạng thái: các điều kiện hoặc giai đoạn khác nhau
• Chuyển tiếp: xác suất chuyển từ trạng thái này sang trạng thái khác

Các thành phần của chuỗi Markov

• Xác suất trạng thái ổn định: xác suất dài hạn ở một trạng thái
  • Tính bằng phần mềm thống kê hoặc công cụ BI
  • Ví dụ trạng thái ổn định cho nắng: 66,67%

Ma trận chuyển tiếp

	Nắng	Có mây
Nắng	80%	20%
Có mây	40%	60%

Ứng dụng của chuỗi Markov

• Giữ chân khách hàng:
  • Xác định xác suất chuyển giữa trạng thái gắn kết và rời bỏ
• Tối ưu chuyển đổi:
  • Tiến trình qua phễu bán hàng
• Gợi ý sản phẩm:
  • Dự đoán tương tác tương lai của khách hàng

Ví dụ: thương mại điện tử$^1$

¹ C là Coupon (Phiếu giảm giá), P là Purchase (Mua hàng), E là Exit (Thoát)

Ví dụ: thương mại điện tử

	Đã dùng (phiếu) mới	Đã mua (hàng) mới	Đã thoát
Đã dùng phiếu	10%	60%	30%
Đã mua hàng	5%	90%	5%
Đã thoát	15%	5%	80%

Ví dụ: thương mại điện tử

	Đã dùng (phiếu) mới	Đã mua (hàng) mới	Đã thoát
Đã dùng phiếu	10%	60%	30%
Đã mua hàng	5%	90%	5%
Đã thoát	15%	5%	80%

Ayo berlatih!

Xác suất nâng cao: Bất định trong dữ liệu