電商數(shù)據(jù)分析十大模型

2015-02-02|HiShop
導(dǎo)讀:數(shù)據(jù)分析不是一件簡單的事情,要想做好,就要好好學(xué)會(huì)一些基本的模型,當(dāng)然并不是所有模型都要會(huì),只要好好利用其中幾種,就可以達(dá)到非常好的數(shù)據(jù)分析效果。...

電商數(shù)據(jù)分析十大模型

  數(shù)據(jù)分析不是一件簡單的事情,要想做好,就要好好學(xué)會(huì)一些基本的模型,當(dāng)然并不是所有模型都要會(huì),只要好好利用其中幾種,就可以達(dá)到非常好的數(shù)據(jù)分析效果。

  1、基于歷史的MBR分析

  以史為鏡可以知得失,MBR同樣就是基于這樣的思想產(chǎn)生的,通過分析以前發(fā)生過的事情,來推斷未來類似事情發(fā)生的一些特性。這種分析方法需要大量的歷史數(shù)據(jù),只有有了足夠的歷史數(shù)據(jù)方能做出相對較好的預(yù)測。這一點(diǎn)對于我們做電子商務(wù)的啟示,就是要我們要注重?cái)?shù)據(jù)的積累和收集,通過數(shù)據(jù)來把控市場的變化和消費(fèi)者行為的變化。

  2、購物籃分析

  購物籃分析就是找出什么樣的東西放在一起更加容易獲得消費(fèi)者的喜愛,即便兩件看上去沒有關(guān)系的商品,卻可能獲得很好的銷售收益,這就是商品之間的關(guān)聯(lián)性,購物籃分析就是要找到這種關(guān)聯(lián)性。舉例來說,零售店可藉由此分析改變置物架上的商品排列或是設(shè)計(jì)吸引客戶的商業(yè)套餐等等。

  3、決策樹

  決策樹分析法是常用的風(fēng)險(xiǎn)分析決策方法。決策樹在解決歸類與預(yù)測上有著極強(qiáng)的能力,它以法則的方式表達(dá),而這些法則則以一連串的問題表示出來,經(jīng)由不斷詢問問題最終能導(dǎo)出所需的結(jié)果。比較以及選擇的方法,其決策是以期望值為標(biāo)準(zhǔn)的。人們對未來可能會(huì)遇到好幾種不同的情況。每種情況均有出現(xiàn)的可能,人們目前無法確知,但是可以根據(jù)以前的資料來推斷各種自然狀態(tài)出現(xiàn)的概率。在這樣的條件下,人們計(jì)算的各種方案在未來的經(jīng)濟(jì)效果只能是考慮到各種自然狀態(tài)出現(xiàn)的概率的期望值,與未來的實(shí)際收益不會(huì)完全相等。

  4、聚類分析

  這個(gè)技術(shù)涵蓋范圍相當(dāng)廣泛,包含基因算法、類神經(jīng)網(wǎng)絡(luò)、統(tǒng)計(jì)學(xué)中的群集分析都有這個(gè)功能。它的目標(biāo)為找出數(shù)據(jù)中以前未知的相似群體,在許許多多的分析中,剛開始都運(yùn)用到群集偵測技術(shù),以作為研究的開端。

  5、遺傳算法

  遺傳算法學(xué)習(xí)細(xì)胞演化的過程,細(xì)胞間可經(jīng)由不斷的選擇、復(fù)制、交配、突變產(chǎn)生更佳的新細(xì)胞?;蛩惴ǖ倪\(yùn)作方式也很類似,它必須預(yù)先建立好一個(gè)模式,再經(jīng)由一連串類似產(chǎn)生新細(xì)胞過程的運(yùn)作,利用適合函數(shù)決定所產(chǎn)生的后代是否與這個(gè)模式吻合,最后僅有最吻合的結(jié)果能夠存活,這個(gè)程序一直運(yùn)作直到此函數(shù)收斂到最佳解。基因算法在群集(cluster)問題上有不錯(cuò)的表現(xiàn),一般可用來輔助記憶基礎(chǔ)推理法與類神經(jīng)網(wǎng)絡(luò)的應(yīng)用。

  6、連接分析

  連接分析是以數(shù)學(xué)中之圖形理論為基礎(chǔ),藉由記錄之間的關(guān)系發(fā)展出一個(gè)模式,它是以關(guān)系為主體,由人與人、物與物或是人與物的關(guān)系發(fā)展出相當(dāng)多的應(yīng)用。例如電信服務(wù)業(yè)可藉連結(jié)分析收集到顧客使用電話的時(shí)間與頻率,進(jìn)而推斷顧客使用偏好為何,提出有利于公司的方案。除了電信業(yè)之外,愈來愈多的營銷業(yè)者亦利用連結(jié)分析做有利于企業(yè)的研究。

  7、羅吉斯回歸分析

  當(dāng)判別分析中群體不符合正態(tài)分布假設(shè)時(shí),羅吉斯回歸分析是一個(gè)很好的替代方法。羅吉斯回歸分析并非預(yù)測事件是否發(fā)生,而是預(yù)測該事件的機(jī)率。它將自變量與因變量的關(guān)系假定是S行的形狀,當(dāng)自變量很小時(shí),機(jī)率值接近為零;當(dāng)自變量值慢慢增加時(shí),機(jī)率值沿著曲線增加,增加到一定程度時(shí),曲線協(xié)率開始減小,故機(jī)率值介于0與1之間。

  8、神經(jīng)網(wǎng)絡(luò)

  神經(jīng)網(wǎng)絡(luò)是以重復(fù)學(xué)習(xí)的方法,將一串例子交與學(xué)習(xí),使其歸納出一足以區(qū)分的樣式。若面對新的例證,神經(jīng)網(wǎng)絡(luò)即可根據(jù)其過去學(xué)習(xí)的成果歸納后,推導(dǎo)出新的結(jié)果,乃屬于機(jī)器學(xué)習(xí)的一種。數(shù)據(jù)挖掘的相關(guān)問題也可采類神經(jīng)學(xué)習(xí)的方式,其學(xué)習(xí)效果十分正確并可做預(yù)測功能。

  9、判別分析

  當(dāng)所遭遇問題它的因變量為定性,而自變量(預(yù)測變量)為定量時(shí),判別分析為一非常適當(dāng)之技術(shù),通常應(yīng)用在解決分類的問題上面。若因變量由兩個(gè)群體所構(gòu)成,稱之為雙群體 —判別分析;若由多個(gè)群體構(gòu)成,則稱之為多元判別分析。

  10、OLAP分析

  嚴(yán)格說起來,OLAP分析并不算特別的一個(gè)數(shù)據(jù)挖掘技術(shù),但是透過在線分析處理工具,使用者能更清楚的了解數(shù)據(jù)所隱藏的潛在意涵。如同一些視覺處理技術(shù)一般,透過圖表或圖形等方式顯現(xiàn),對一般人而言,感覺會(huì)更友善。這樣的工具亦能輔助將數(shù)據(jù)轉(zhuǎn)變成信息的目標(biāo)。

  數(shù)據(jù)分析十大模型,是經(jīng)過歷史證明非常有效的模型,靈活運(yùn)用會(huì)獲得非常不錯(cuò)的效果。

今日熱點(diǎn)

8月24日,騰訊教育正式發(fā)布了基于企業(yè)微信的私域流量運(yùn)營工具——企微管家,為教培機(jī)構(gòu)提供從引流獲客到客戶運(yùn)營的全鏈路服務(wù)。

最新推薦
產(chǎn)品推薦
  • 微分銷

    基于微信平臺(tái),集結(jié)多樣營銷活動(dòng)推廣功能,支持無限發(fā)展微信分店,快速建立分銷網(wǎng)絡(luò)...

    詳情
  • 移動(dòng)云商城

    集微信商城、支付寶服務(wù)窗、手機(jī)觸屏版商城、app商城和PC獨(dú)立商城于一體完美融合...

    詳情