Markovkedjeanalys

Avancerad sannolikhetslära: Osäkerhet i data

Maarten Van den Broeck

Senior Content Developer at DataCamp

Vad är Markovkedjor?

• Modellera system med olika tillstånd
• Övergångar mellan tillstånd baserade på sannolikheter
• Grundidé: övergången beror bara på aktuellt tillstånd
• Viktig tillämpning: förstå kundresor

Elementen i en Markovkedja

• Tillstånd: olika förhållanden eller faser

Elementen i en Markovkedja

• Tillstånd: olika förhållanden eller faser
• Övergångar: sannolikheter för att gå från ett tillstånd till ett annat

Elementen i en Markovkedja

• Stationära sannolikheter: långsiktiga sannolikheter för att befinna sig i ett tillstånd
  • Beräknas med statistikprogram eller BI-verktyg
  • T.ex. stationär sannolikhet för soligt: 66,67 %

Övergångsmatris

	Soligt	Molnigt
Soligt	80 %	20 %
Molnigt	40 %	60 %

Tillämpningar av Markovkedjor

• Kundlojalitet:
  • Identifiera övergångssannolikheter mellan engagemang och churn
• Konverteringsoptimering:
  • Progression genom en säljtratt
• Produktrekommendation:
  • Förutsäga framtida kundinteraktioner

Exempel: e-handel$^1$

¹ K för Kupong, K för Köp, A för Avslutade

Exempel: e-handel

	Använde en (ny) kupong	Genomförde ett (nytt) köp	Avslutade
Använde en kupong	10 %	60 %	30 %
Genomförde ett köp	5 %	90 %	5 %
Avslutade	15 %	5 %	80 %

Exempel: e-handel

	Använde en (ny) kupong	Genomförde ett (nytt) köp	Avslutade
Använde en kupong	10 %	60 %	30 %
Genomförde ett köp	5 %	90 %	5 %
Avslutade	15 %	5 %	80 %

Nu kör vi en övning!

Avancerad sannolikhetslära: Osäkerhet i data