Анализ цепей Маркова

Продвинутая теория вероятностей: неопределённость в данных

Maarten Van den Broeck

Senior Content Developer at DataCamp

Что такое цепи Маркова?

• Моделирование систем с различными состояниями
• Переходы между состояниями на основе вероятностей
• Ключевая идея: переход зависит только от текущего состояния
• Основное применение: анализ пути клиента

Элементы цепи Маркова

• Состояния: различные условия или этапы

Элементы цепи Маркова

• Состояния: различные условия или этапы
• Переходы: вероятности перехода из одного состояния в другое

Элементы цепи Маркова

• Стационарные вероятности: долгосрочные вероятности нахождения в состоянии
  • Вычисляются с помощью статистического ПО или BI-инструментов
  • Например, стационарная вероятность для «солнечно»: 66,67%

Матрица переходов

	Солнечно	Облачно
Солнечно	80%	20%
Облачно	40%	60%

Применение цепей Маркова

• Удержание клиентов:
  • Определение вероятностей перехода между активностью и оттоком
• Оптимизация конверсии:
  • Продвижение по воронке продаж
• Рекомендация продуктов:
  • Прогнозирование будущих взаимодействий с клиентами

Пример: электронная коммерция$^1$

¹ C — купон (Coupon), P — покупка (Purchase), E — выход (Exit)

Пример: электронная коммерция

	Использовал(а) (новый) купон	Совершил(а) (новую) покупку	Вышел(а)
Использовал(а) купон	10%	60%	30%
Совершил(а) покупку	5%	90%	5%
Вышел(а)	15%	5%	80%

Пример: электронная коммерция

	Использовал(а) (новый) купон	Совершил(а) (новую) покупку	Вышел(а)
Использовал(а) купон	10%	60%	30%
Совершил(а) покупку	5%	90%	5%
Вышел(а)	15%	5%	80%

Давайте потренируемся!

Продвинутая теория вероятностей: неопределённость в данных