Dane od klientów na rzecz poprawy operacji

Podejmowanie decyzji biznesowych na podstawie danych

Ted Kwartler

Data Dude

Analiza danych z ankiety klientów

$$

• Zbieranie danych: wywiady jakościowe, recenzje online, dane transakcyjne
• Użycie modelu do analizy danych z ankiety klientów

Dane z ankiety jako model

• P1: Jak bardzo jest Pan/Pani ogólnie zadowolony/a [1-5]?
• P2: Jak ocenia Pan/Pani jakość produktu/usługi [1-5]?
• P3: Jak ocenia Pan/Pani ofertę produktów/usług [1-5]?
• P4: Czy zgadza się Pan/Pani, że oferta jest uczciwie wyceniona [1-5]?

	Q1 (overall satisfaction)	Q2	Q3	Q4
Customer-1	1	5	5	5
Customer-2	1	4	5	5
Customer-3	0	1	3	1
Customer-N	1	1	4	4
...	...	...	...	...

Dane z ankiety jako model

	Q1 (overall satisfaction)	Q2	Q3	Q4
Customer-1	1	5	5	5
Customer-2	1	4	5	5
Customer-3	0	1	3	1
Customer-N	1	1	4	4
...	...	...	...	...

$$

• Zmienna zależna
  • Q1
• Zmienne objaśniające
  • Q2, Q3, Q4

Modele objaśniające na podstawie danych klientów

	Q1 (overall satisfaction)	Q2	Q3	Q4
Customer-1	1	5	5	5
Customer-2	1	4	5	5
Customer-3	0	1	3	1
Customer-N	1	1	4	4
...	...	...	...	...

$$

Model regresji logistycznej

$f(\text{overall satisfaction}) = \beta_1 * Q2 + \beta_2 * Q3 + \beta_3 * Q4$

Suma bet do oceny wpływu

Model regresji logistycznej

$f(\text{overall satisfaction}) = \beta_1 * Q2 + \beta_2 * Q3 + \beta_3 * Q4$

Wynik modelu

$f(\text{overall satisfaction}) = 0.25 * Q2 + 0.25 * Q3 + 1 * Q4$

Suma współczynników beta

	Beta	Suma beta	Proporcja
Q2	.25	0.6	.42
Q3	.25	0.6	.42
Q4	.1	0.6	.16

Dodanie kontekstu za pomocą częstotliwości

$$

	Beta	Suma beta	Proporcja
Q2	.25	0.6	.42
Q3	.25	0.6	.42
Q4	.1	0.6	.16

Dodanie kontekstu za pomocą częstotliwości

Dodanie kontekstu dotyczącego częstości osiągania wysokich wyników w danej kategorii

	Beta	Suma beta	Proporcja	Częstotliwość wysokiego wyniku
Q2	.25	0.6	.42	.8
Q3	.25	0.6	.42	.35
Q4	.1	0.6	.16	.15

Do dzieła!

Podejmowanie decyzji biznesowych na podstawie danych