Analýza Markovových řetězců

Pokročilá pravděpodobnost: neurčitost v datech

Maarten Van den Broeck

Senior Content Developer at DataCamp

Co jsou Markovovy řetězce?

• Modelování systémů s různými stavy
• Přechody mezi stavy na základě pravděpodobností
• Klíčová myšlenka: přechod závisí pouze na aktuálním stavu
• Klíčová aplikace: pochopení zákaznických cest

Prvky Markovova řetězce

• Stavy: různé podmínky nebo fáze

Prvky Markovova řetězce

• Stavy: různé podmínky nebo fáze
• Přechody: pravděpodobnosti přesunu z jednoho stavu do druhého

Prvky Markovova řetězce

• Stacionární pravděpodobnosti: dlouhodobé pravděpodobnosti výskytu stavu
  • Vypočítány pomocí statistického softwaru nebo BI nástrojů
  • Např. stacionární pravděpodobnost pro slunečno: 66,67 %

Přechodová matice

	Slunečno	Oblačno
Slunečno	80 %	20 %
Oblačno	40 %	60 %

Aplikace Markovových řetězců

• Udržení zákazníků:
  • Identifikace pravděpodobností přechodů mezi stavem zapojení a odchodu
• Optimalizace konverzí:
  • Postup obchodním trychtýřem
• Doporučování produktů:
  • Predikce budoucích interakcí zákazníků

Příklad: e-commerce$^1$

¹ C = kupon, P = nákup, E = odchod

Příklad: e-commerce

	Použití (nového) kuponu	Provedení (nového) nákupu	Odchod
Použití kuponu	10 %	60 %	30 %
Provedení nákupu	5 %	90 %	5 %
Odchod	15 %	5 %	80 %

Příklad: e-commerce

	Použití (nového) kuponu	Provedení (nového) nákupu	Odchod
Použití kuponu	10 %	60 %	30 %
Provedení nákupu	5 %	90 %	5 %
Odchod	15 %	5 %	80 %

Lass uns üben!

Pokročilá pravděpodobnost: neurčitost v datech