Аналіз ланцюгів Маркова

Просунута ймовірність: невизначеність у даних

Maarten Van den Broeck

Senior Content Developer at DataCamp

Що таке ланцюги Маркова?

• Моделювання систем із різними станами
• Переходи між станами за ймовірностями
• Ключова ідея: перехід залежить лише від поточного стану
• Ключове застосування: розуміння шляху клієнта

Елементи ланцюга Маркова

• Стани: різні умови чи етапи

Елементи ланцюга Маркова

• Стани: різні умови чи етапи
• Переходи: ймовірності переходу з одного стану в інший

Елементи ланцюга Маркова

• Стаціонарні ймовірності: довгострокові ймовірності перебування в стані
  • Обчислюються у статистичному ПЗ або BI-інструментах
  • Напр., стаціонарна для «сонячно»: 66,67%

Матриця переходів

	Sunny	Cloudy
Sunny	80%	20%
Cloudy	40%	60%

Застосування ланцюгів Маркова

• Утримання клієнтів:
  • Визначення ймовірностей переходу між станами залучення та відтоку
• Оптимізація конверсій:
  • Рух по воронці продажів
• Рекомендації товарів:
  • Прогнозування майбутніх дій клієнта

Приклад: e-commerce$^1$

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

Приклад: e-commerce

	Використав(-ла) (новий) купон	Зробив(-ла) (нову) покупку	Вийшов(-ла)
Використав(-ла) купон	10%	60%	30%
Зробив(-ла) покупку	5%	90%	5%
Вийшов(-ла)	15%	5%	80%

Приклад: e-commerce

	Використав(-ла) (новий) купон	Зробив(-ла) (нову) покупку	Вийшов(-ла)
Використав(-ла) купон	10%	60%	30%
Зробив(-ла) покупку	5%	90%	5%
Вийшов(-ла)	15%	5%	80%

Давайте потренуємось!

Просунута ймовірність: невизначеність у даних