Залучення клієнтів для покращення операцій

Прийняття рішень на основі даних для бізнесу

Ted Kwartler

Data Dude

Дослідження даних опитування клієнтів

$$

• Збір даних: якісні інтерв'ю, онлайн-відгуки, транзакційні дані
• Використайте модель, щоб пояснити дані опитування клієнтів

Показники опитування як модель

• Q1: Наскільки загалом ви задоволені [1–5]?
• Q2: Як ви оцінюєте якість продукту/послуги [1–5]?
• Q3: Як ви оцінюєте варіанти продукту/послуги [1–5]?
• Q4: Чи згодні ви, що ціна є справедливою [1–5]?

	Q1 (загальна задоволеність)	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
...	...	...	...	...

Показники опитування як модель

	Q1 (загальна задоволеність)	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
...	...	...	...	...

$$

• Цільова змінна
  • Q1
• Пояснювальні змінні
  • Q2, Q3, Q4

Пояснювальні моделі з даних клієнтів

	Q1 (загальна задоволеність)	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
...	...	...	...	...

$$

Модель логістичної регресії

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

Сума бета-коефіцієнтів для оцінки впливу

Модель логістичної регресії

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

Вихід моделі

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

Сума бета-коефіцієнтів

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

Додаємо контекст частотності

$$

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

Додаємо контекст частотності

Додаємо контекст: як часто організація має високі показники в категорії

	Beta	Sum of beta	Proportion	Frequency of a high score
Q2	.25	0.6	.42	.8
Q3	.25	0.6	.42	.35
Q4	.1	0.6	.16	.15

До роботи!

Прийняття рішень на основі даних для бізнесу