身處互聯網大數據時代,你還在依靠自身經驗作出決策嗎?一起來看看數據能為我們做些什麼吧!
身處互聯網大數據時代,你還在依靠自身經驗作出決策嗎?一起來看看數據能為我們做些什麼吧!
背景及分析目的
軟件為了方便業務員的使用,對客戶做了簡單的分類,打上標籤。即試用A產品的客戶中,試用期間總查看量>50被判定為優質試用客戶。
其中的判定條件據說是當初老闆拍腦袋定下來的,(額。。。。此處省略一萬字)那既然我們心存懷疑,那就啥也不說了,來做個試驗吧。
準備工作
取數,仔細核對統計口徑,確保數據是真實有效且具有代表性
統計學總體來說是一門研究概率和相關性的學科,“計”代表的是計算顯而易見,而“統”在詞典裡的解釋是總括、全部。
這常常使我們感到困惑,因為在實際場景中,沒有哪一份數據是全部的,我們只能獲得一份樣本,統計學就是依據一份有代表性的樣本推測總體的情況,以及事物之間的相關性。
身處互聯網大數據時代,你還在依靠自身經驗作出決策嗎?一起來看看數據能為我們做些什麼吧!
背景及分析目的
軟件為了方便業務員的使用,對客戶做了簡單的分類,打上標籤。即試用A產品的客戶中,試用期間總查看量>50被判定為優質試用客戶。
其中的判定條件據說是當初老闆拍腦袋定下來的,(額。。。。此處省略一萬字)那既然我們心存懷疑,那就啥也不說了,來做個試驗吧。
準備工作
取數,仔細核對統計口徑,確保數據是真實有效且具有代表性
統計學總體來說是一門研究概率和相關性的學科,“計”代表的是計算顯而易見,而“統”在詞典裡的解釋是總括、全部。
這常常使我們感到困惑,因為在實際場景中,沒有哪一份數據是全部的,我們只能獲得一份樣本,統計學就是依據一份有代表性的樣本推測總體的情況,以及事物之間的相關性。
分析 1.0
1、看試用後成交客戶的查看量分佈情況(已成交客戶普遍存在查看量高的情況嗎?)
身處互聯網大數據時代,你還在依靠自身經驗作出決策嗎?一起來看看數據能為我們做些什麼吧!
背景及分析目的
軟件為了方便業務員的使用,對客戶做了簡單的分類,打上標籤。即試用A產品的客戶中,試用期間總查看量>50被判定為優質試用客戶。
其中的判定條件據說是當初老闆拍腦袋定下來的,(額。。。。此處省略一萬字)那既然我們心存懷疑,那就啥也不說了,來做個試驗吧。
準備工作
取數,仔細核對統計口徑,確保數據是真實有效且具有代表性
統計學總體來說是一門研究概率和相關性的學科,“計”代表的是計算顯而易見,而“統”在詞典裡的解釋是總括、全部。
這常常使我們感到困惑,因為在實際場景中,沒有哪一份數據是全部的,我們只能獲得一份樣本,統計學就是依據一份有代表性的樣本推測總體的情況,以及事物之間的相關性。
分析 1.0
1、看試用後成交客戶的查看量分佈情況(已成交客戶普遍存在查看量高的情況嗎?)
2、試用後未成交客戶的查看量分佈情況(客戶後來沒有成交,能體現在低查看量上嗎?)
身處互聯網大數據時代,你還在依靠自身經驗作出決策嗎?一起來看看數據能為我們做些什麼吧!
背景及分析目的
軟件為了方便業務員的使用,對客戶做了簡單的分類,打上標籤。即試用A產品的客戶中,試用期間總查看量>50被判定為優質試用客戶。
其中的判定條件據說是當初老闆拍腦袋定下來的,(額。。。。此處省略一萬字)那既然我們心存懷疑,那就啥也不說了,來做個試驗吧。
準備工作
取數,仔細核對統計口徑,確保數據是真實有效且具有代表性
統計學總體來說是一門研究概率和相關性的學科,“計”代表的是計算顯而易見,而“統”在詞典裡的解釋是總括、全部。
這常常使我們感到困惑,因為在實際場景中,沒有哪一份數據是全部的,我們只能獲得一份樣本,統計學就是依據一份有代表性的樣本推測總體的情況,以及事物之間的相關性。
分析 1.0
1、看試用後成交客戶的查看量分佈情況(已成交客戶普遍存在查看量高的情況嗎?)
2、試用後未成交客戶的查看量分佈情況(客戶後來沒有成交,能體現在低查看量上嗎?)
我們從上面兩張分佈圖似乎也並沒有看出什麼很明顯的結論,只是從對比中看出查看量和成交之間是存在一定的關聯性的。
分析 2.0
我們再來把邏輯關係捋一捋:
我們主要是想知道試用期間的查看量大小與後期是否成交的相關性,當然,依據業務常識來看,相關性的存在是必然的。只是我們需要一個查看量和成交概率之間的明顯對應關係。
身處互聯網大數據時代,你還在依靠自身經驗作出決策嗎?一起來看看數據能為我們做些什麼吧!
背景及分析目的
軟件為了方便業務員的使用,對客戶做了簡單的分類,打上標籤。即試用A產品的客戶中,試用期間總查看量>50被判定為優質試用客戶。
其中的判定條件據說是當初老闆拍腦袋定下來的,(額。。。。此處省略一萬字)那既然我們心存懷疑,那就啥也不說了,來做個試驗吧。
準備工作
取數,仔細核對統計口徑,確保數據是真實有效且具有代表性
統計學總體來說是一門研究概率和相關性的學科,“計”代表的是計算顯而易見,而“統”在詞典裡的解釋是總括、全部。
這常常使我們感到困惑,因為在實際場景中,沒有哪一份數據是全部的,我們只能獲得一份樣本,統計學就是依據一份有代表性的樣本推測總體的情況,以及事物之間的相關性。
分析 1.0
1、看試用後成交客戶的查看量分佈情況(已成交客戶普遍存在查看量高的情況嗎?)
2、試用後未成交客戶的查看量分佈情況(客戶後來沒有成交,能體現在低查看量上嗎?)
我們從上面兩張分佈圖似乎也並沒有看出什麼很明顯的結論,只是從對比中看出查看量和成交之間是存在一定的關聯性的。
分析 2.0
我們再來把邏輯關係捋一捋:
我們主要是想知道試用期間的查看量大小與後期是否成交的相關性,當然,依據業務常識來看,相關性的存在是必然的。只是我們需要一個查看量和成交概率之間的明顯對應關係。
那麼難點就在於如何確定各查看量區間的成交概率了。我們嘗試用下表去定義一個成交概率,看能不能找出些規律。
身處互聯網大數據時代,你還在依靠自身經驗作出決策嗎?一起來看看數據能為我們做些什麼吧!
背景及分析目的
軟件為了方便業務員的使用,對客戶做了簡單的分類,打上標籤。即試用A產品的客戶中,試用期間總查看量>50被判定為優質試用客戶。
其中的判定條件據說是當初老闆拍腦袋定下來的,(額。。。。此處省略一萬字)那既然我們心存懷疑,那就啥也不說了,來做個試驗吧。
準備工作
取數,仔細核對統計口徑,確保數據是真實有效且具有代表性
統計學總體來說是一門研究概率和相關性的學科,“計”代表的是計算顯而易見,而“統”在詞典裡的解釋是總括、全部。
這常常使我們感到困惑,因為在實際場景中,沒有哪一份數據是全部的,我們只能獲得一份樣本,統計學就是依據一份有代表性的樣本推測總體的情況,以及事物之間的相關性。
分析 1.0
1、看試用後成交客戶的查看量分佈情況(已成交客戶普遍存在查看量高的情況嗎?)
2、試用後未成交客戶的查看量分佈情況(客戶後來沒有成交,能體現在低查看量上嗎?)
我們從上面兩張分佈圖似乎也並沒有看出什麼很明顯的結論,只是從對比中看出查看量和成交之間是存在一定的關聯性的。
分析 2.0
我們再來把邏輯關係捋一捋:
我們主要是想知道試用期間的查看量大小與後期是否成交的相關性,當然,依據業務常識來看,相關性的存在是必然的。只是我們需要一個查看量和成交概率之間的明顯對應關係。
那麼難點就在於如何確定各查看量區間的成交概率了。我們嘗試用下表去定義一個成交概率,看能不能找出些規律。
根據上圖數據,我們可以製作成交概率分佈圖,看看成交概率集中分佈在哪個查看量區間,是否有我們想要的結果?
身處互聯網大數據時代,你還在依靠自身經驗作出決策嗎?一起來看看數據能為我們做些什麼吧!
背景及分析目的
軟件為了方便業務員的使用,對客戶做了簡單的分類,打上標籤。即試用A產品的客戶中,試用期間總查看量>50被判定為優質試用客戶。
其中的判定條件據說是當初老闆拍腦袋定下來的,(額。。。。此處省略一萬字)那既然我們心存懷疑,那就啥也不說了,來做個試驗吧。
準備工作
取數,仔細核對統計口徑,確保數據是真實有效且具有代表性
統計學總體來說是一門研究概率和相關性的學科,“計”代表的是計算顯而易見,而“統”在詞典裡的解釋是總括、全部。
這常常使我們感到困惑,因為在實際場景中,沒有哪一份數據是全部的,我們只能獲得一份樣本,統計學就是依據一份有代表性的樣本推測總體的情況,以及事物之間的相關性。
分析 1.0
1、看試用後成交客戶的查看量分佈情況(已成交客戶普遍存在查看量高的情況嗎?)
2、試用後未成交客戶的查看量分佈情況(客戶後來沒有成交,能體現在低查看量上嗎?)
我們從上面兩張分佈圖似乎也並沒有看出什麼很明顯的結論,只是從對比中看出查看量和成交之間是存在一定的關聯性的。
分析 2.0
我們再來把邏輯關係捋一捋:
我們主要是想知道試用期間的查看量大小與後期是否成交的相關性,當然,依據業務常識來看,相關性的存在是必然的。只是我們需要一個查看量和成交概率之間的明顯對應關係。
那麼難點就在於如何確定各查看量區間的成交概率了。我們嘗試用下表去定義一個成交概率,看能不能找出些規律。
根據上圖數據,我們可以製作成交概率分佈圖,看看成交概率集中分佈在哪個查看量區間,是否有我們想要的結果?
結論
如上圖所示,我們得到了查看量的成交概率分佈,除此之外我們還作了一條累計成交概率線輔助我們分析,從累計成交概率線我們可以知道:
1、圖中紅色箭頭所示的為老闆拍腦袋定出來的標準,即認為總查看量大於50的客戶為優質客戶,從我們數據上看查看量大於50的客戶成交概率為33.8%。
2、從累計成交概率線的重要臨界點(總查看量在100~150區間)可以得知,如果總查看量高於100以後,成交概率會較大幅度的提升。
3、依據該圖,我們可以根據實際的需求制定優質客戶的判定規則,比如我們覺得成交概率高於50%的才能算作優質客戶的話,我們就應該將標準定為總查看量在300以上。