ข้อมูลจากลูกค้าเพื่อพัฒนาการดำเนินงาน

การตัดสินใจเชิงธุรกิจด้วยข้อมูล

Ted Kwartler

Data Dude

วิเคราะห์ข้อมูลแบบสำรวจลูกค้า

$$

• การเก็บข้อมูล: การสัมภาษณ์เชิงคุณภาพ รีวิวออนไลน์ ข้อมูลธุรกรรม
• ใช้โมเดลเพื่ออธิบายข้อมูลแบบสำรวจลูกค้า

ข้อมูลแบบสำรวจในฐานะโมเดล

• Q1: โดยรวมคุณพึงพอใจมากแค่ไหน [1-5]?
• Q2: คุณให้คะแนนคุณภาพสินค้า/บริการอย่างไร [1-5]?
• Q3: คุณให้คะแนนตัวเลือกสินค้า/บริการอย่างไร [1-5]?
• Q4: คุณเห็นด้วยหรือไม่ว่าราคาเหมาะสม [1-5]?

	Q1 (ความพึงพอใจโดยรวม)	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
...	...	...	...	...

ข้อมูลแบบสำรวจในฐานะโมเดล

	Q1 (ความพึงพอใจโดยรวม)	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
...	...	...	...	...

$$

• ตัวแปรเป้าหมาย
  • Q1
• ตัวแปรอธิบาย
  • Q2, Q3, Q4

โมเดลเชิงอธิบายจากข้อมูลลูกค้า

	Q1 (ความพึงพอใจโดยรวม)	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
...	...	...	...	...

$$

โมเดล Logistic Regression

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

ใช้ผลรวมเบตาเพื่อวัดผลกระทบ

โมเดล Logistic Regression

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

ผลลัพธ์ของโมเดล

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

ผลรวมของเบตา

	Beta	Sum of beta	Proportion
Q2	.25	0.6	.42
Q3	.25	0.6	.42
Q4	.1	0.6	.16

เพิ่มบริบทด้วยความถี่

$$

	Beta	Sum of beta	Proportion
Q2	.25	0.6	.42
Q3	.25	0.6	.42
Q4	.1	0.6	.16

เพิ่มบริบทด้วยความถี่

เพิ่มบริบทว่าองค์กรทำได้ดีในแต่ละหมวดบ่อยแค่ไหน

	Beta	Sum of beta	Proportion	ความถี่ของคะแนนสูง
Q2	.25	0.6	.42	.8
Q3	.25	0.6	.42	.35
Q4	.1	0.6	.16	.15

มาฝึกกันเถอะ!

การตัดสินใจเชิงธุรกิจด้วยข้อมูล