用客户反馈改进运营

面向商业的数据驱动决策

Ted Kwartler

Data Dude

分析客户调查数据

$$

• 数据收集：定性访谈、在线评价、交易数据
• 用模型解释客户调查数据

将调查输入作为模型

• Q1：总体而言，您有多满意 [1-5]？
• Q2：您如何评价产品/服务质量 [1-5]？
• Q3：您如何评价产品/服务选项 [1-5]？
• Q4：您是否同意定价公平 [1-5]？

	Q1（总体满意度）	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
...	...	...	...	...

将调查输入作为模型

	Q1（总体满意度）	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
...	...	...	...	...

$$

• 目标变量
  • Q1
• 解释变量
  • Q2、Q3、Q4

从客户数据构建解释性模型

	Q1（总体满意度）	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
...	...	...	...	...

$$

逻辑回归模型

$f(\text{总体满意度}) = \beta_1 * Q2 + \beta_2 * Q3 + \beta_3 * Q4$

用系数和衡量影响

逻辑回归模型

$f(\text{总体满意度}) = \beta_1 * Q2 + \beta_2 * Q3 + \beta_3 * Q4$

模型输出

$f(\text{总体满意度}) = 0.25 * Q2 + 0.25 * Q3 + 1 * Q4$

系数和

	Beta	系数和	占比
Q2	.25	0.6	.42
Q3	.25	0.6	.42
Q4	.1	0.6	.16

用频率增加背景信息

$$

	Beta	系数和	占比
Q2	.25	0.6	.42
Q3	.25	0.6	.42
Q4	.1	0.6	.16

用频率增加背景信息

加入组织在各类别表现良好的频率背景

	Beta	系数和	占比	高分频率
Q2	.25	0.6	.42	.8
Q3	.25	0.6	.42	.35
Q4	.1	0.6	.16	.15

开始实践！

面向商业的数据驱动决策