三、分析方法——厨艺大比拼
至此我们介绍了营销分析的基本内容与方法。回忆一下,营销分析的内容有用户行为、4P营销和营销效果。方法有聚类分析、KANO模型、PSM模型、定标比超分析、品牌知觉图分析、方差分析、对应分析、漏斗分析和AIDA模型。
聚类分析和KANO模型体现了分类和对比的思想。聚类分析按照距离将市场分为若干类,KANO模型按照用户态度将产品属性分为四类,体现分类。聚类分析通过方差分析检验类别间差异是否显著;KANO模型遵循产品属性开发优先原则,体现对比。
定标比超分析将自己与标杆对比,体现对比。指标体系中的指标与权重分别体现分类和相关。PSM模型让受访者选择便宜和贵的价格点,体现对比;将用户分为可接受者、有保留接受者和不可接受者三类,体现分类;统计三类用户的规模分布,体现了分布的思想。
方差分析体现了对比分析差异要显著的思想;对应分析是用点与点的距离来描述变量之间的相关关系,体现了相关分析的思想。漏斗分析将品牌资产分为5类,体现分类;接着从中找最低转化率,体现对比;分析转化率低的原因,体现相关。AIDA模型用多指标衡量广告效果,体现相关;将广告对用户的影响分为4个阶段,体现分类;寻找最佳的投放媒体、内容和时间,体现对比。
【参考文献】《数据分析:企业的贤内助》 陈哲 著
理解世界,我们可以从相关性的角度去描述,统计,机器学习,很多问题都是从相关的角度去描述的。我们去构建一个模型,不管是统计机器学习模型,还是深度学习模型,本质上是构建一个复杂映射。从特征到标签的一个映射,这个映射是有用的,但不完全有用。
我们在这里用一个隐喻,下雨,来描述causal 和relevance。我们可以构建一个关于预测明天是否下雨的模型,从搜集到的大量特征,以及历史的下雨结果最为标签,构建模型。不管准确率多少,我们用这样一个模型能够预测明天是否能够下雨。
但是,我们很多时候要的不仅仅是预测,而是需要改变现状,例如沙漠中,我们想要哪些因素改变了,能够导致下雨。这就涉及到因果推断, causal inference 。
在报告随机实验的结果时,除了意向治疗效应外,研究人员通常选择呈现符合方案效应。然而,这些符合方案的影响通常是回顾性描述的,例如,比较在整个研究期间坚持其指定治疗策略的个体之间的结果。这种对符合方案效应的回顾性定义经常被混淆,并且无法进行因果解释,因为它遇到了治疗混杂因素。
我们的目标是概述使用逆概率加权对生存结果的因果推断。这里描述的基本概念也适用于其他类型的暴露策略,尽管这些可能需要额外的设计或分析考虑。 本文使用生存模型因果分 析流行病学随访研究数据 ( 查看文末了解数据获取方式 )。
# 拟合参数性风险模型
#对每个人月的估计(1-风险)的分配 */
# 计算每个人月的生存率
# 一些数据管理来绘制估计的生存曲线
# 拟合加权风险模型
# 计算每个人月的生存率
# 一些数据管理来绘制估计的生存曲线
# 带有协变量的风险模型的拟合情况
# 创建数据集,包括每个治疗水平下的所有时间点
# 每个人在每个治疗水平下的所有时间点
# 对数据进行一些预处理
# 定义需要被最小化的估计函数
# 使用简单的分割法找到95%置信度下限和上限的估计值
讲解Python背景、国内发展状况、基础语法、数据结构及绘图操作等内容。特别针对向量计算这块,着重介绍Python在这方面的优势及用法。 |
|
第二讲 数据分析方法论 讲解统计分析基础,包括统计学基本概念,假设检验,置信区间等基础,并结合数据案例说明其使用场景和运用方法。介绍数据分析流程和常见分析思路,并结合案例进行讲解。 |
|
从数据接入、数据统计、数据转换等几个方面进行讲解。数据接入包含接入MySQL、Oracle、Hadoop等常见数据库操作;数据统计包含Pandas包的具体用法和讲解;数据转换包含对数据集的关联、合并、重塑等操作。此外,针对海量数据的情况下,介绍在Spark平台上的数据处理技术,并结合真实环境进行操作讲解。 |
|
数据挖掘理论及核心技术 |
讲解数据挖掘基本概念,细致讲解业务理解、数据理解、数据准备、建立模型、模型评估、模型部署各环节的工作内容及相关技术;结合业界经典场景,讲解数据挖掘的实施流程和方法体系。 |
第五讲 数据挖掘核心技术 细致讲解抽样、分区、样本平衡、特征选择、训练模型、评估模型等数据挖掘核心技术原理,并结合案例讲解其具体实现和用法。尤其针对样本平衡,重点讲解人工合成、代价敏感等算法;针对特征选择,重点讲解特征选择的核心思路,并结合Python进行案例演示。 |
|
大数据算法原理及案例实现(1) |
第六讲 特征降维算法及Python实现 降维是大数据分析非常重要的算法,它可以在降低极少信息量的情况下,极大地缩小数据规模。主要讲解主成分、LDA以及t-SNE原理,并结合案例进行Python实现。特别地,针对海量数据情况下的应用场景,讲解实现思路和Python案例。 |
第七讲 决策树算法及Python实现 决策树是非常经典的算法,一般常见于小数据的挖掘。由于决策树具有极强的可解释性,针对海量数据仍然是非常重要的实用价值。主要讲解ID3、;证书可作为专业技术人员职业能力考核的证明,以及专业技术人员岗位聘用、任职、定级和晋升职务的重要依据。 |
版权声明:文章内容来源于网络,版权归原作者所有,如有侵权请点击这里与我们联系,我们将及时删除。