Лучшие статьи и кейсы стартапов
Включить уведомления
Дадим сигнал, когда появится
что-то суперстоящее.
Спасибо, не надо
Вопросы Проекты Вакансии
SaaS решение для маркетологов
Рекомендуем
Продвинуть свой проект
Лучшие проекты за неделю
26
Отследить-посылку

Отследить-посылку

отследить-посылку.рф

25
Битрикс24

Битрикс24

www.bitrix24.ru

13
WebResidentTeam

WebResidentTeam

webresident.agency

12
Логомашина

Логомашина

logomachine.ru

12
Devicerra

Devicerra

devicerra.com

11
Reader

Reader

Интернет-журнал о современных технологиях.

9
ADN Digital Studio

ADN Digital Studio

adn.agency

9
Aword

Aword

Приложение для изучения английских слов

9
GIFTD

GIFTD

giftd.tech

8
Eczo.bike

Eczo.bike

www.eczo.bike

Показать следующие
Рейтинг проектов
Подписывайтесь на Спарк во ВКонтакте

Введение в анализ данных. Анализ данных для маркетологов: часть 1.

211 0 В избранное Сохранено
Авторизуйтесь
Вход с паролем
transpo%20data%20vis_sample.png

Этим постом мы открываем серию публикаций посвящённых анализу данных (кстати, можете посмотреть его в нашем блоге, если почему-то не хотите регистрироваться на спарке). Начиная работать над проектом, мы хотели помочь маркетологам, у которых отсутствуют часть подчас столь необходимые знания из социологии и математики, которые позволяют исследовать рынок ещё лучше. И если рассматривать тренды и нововведения в маркетинге, то всё больше компаний принимает решения, основываясь на данных. Об этом свидетельствует, например, появление соответствующих запросов при поиске. Появился даже новый термин «Маркетинг, основанный на данных».

Прочитав эти статьи вы поймёте, каким образом можно выделять группы покупателей, и то, что они могут отличаться от тех групп, которые привыкли выделять вы. Вы сможете прогнозировать спрос на услуги своей компании, а также сможете быть более убедительными при встрече с руководителями, партнёрами или инвесторами, предоставляя не только привычные графики, но и приводя математически корректные доказательства выводов.

Это не будет слишком сложным для вас, потому что все те методики и подходы к анализу данных, про которые мы будем рассказывать, же реализованы в аналитическом разделе нашего сервиса и вы сможете воспользоваться ими, просто выбрав соответствующий пункт в меню. Однако для более глубокого понимания, мы советуем всё-таки прочитать статьи, или обращаться к встроенной системе помощи, для того, чтобы не пропустить какой-нибудь очень значимый вывод, который можно извлечь из собранных данных.

В данной серии статей, мы будем рассказывать о том, что можно сделать с имеющимися данными, вне зависимости от того, являются ли они собранными ответами респондентов, или просто накопленной статистикой. Мы начнём с того, что расскажем, какие бывают виды переменных.

Виды переменных (шкал)


Переменные бывают количественными (числовые данные на интервальной шкале или шкале отношений), порядковыми, или номинальными.

Номинальные переменные


Переменную можно рассматривать как номинальную, когда ее значения представляют категории без естественного упорядочения. Такие переменные нельзя сравнить между собой, сказать, что одно значение больше другого, или меньше, но зато ими можно обозначить принадлежность к разным классам (а значит, и найти признаки этого класса, но об этом позже).

%D0%9D%D0%BE%D0%BC%D0%B8%D0%BD%D0%B0%D0%

Пример: религия, уровень образования, любые другие данные о классах или характеристиках объекта, цвет детали, марка машины, могут являться номинальными переменными.

Порядковые переменные

Переменную можно рассматривать как порядковую, когда ее значения представляют категории с некоторым естественным для них упорядочением, например, уровни удовлетворенности обслуживанием от крайней неудовлетворенности до крайней удовлетворенности. Для этих переменных задано отношение порядка, но нельзя сказать во сколько одно или другое значение больше другого. Понять насколько значения 4 и 5 будут отличаться в этом случае сможет только человек.
%D0%9F%D0%BE%D1%80%D1%8F%D0%B4%D0%BA%D0%
Пример: размер одежды (XS, S, M, L, XL), оценки в школе, баллы, представляющие степень удовлетворенности или уверенности, или баллы, оценивающие предпочтение.

Количественные переменные

Это обычные числовые переменные, для которых можно определить не только отношение, но и отсутствие значения (0), а также сравнивать их количество.
%D0%9A%D0%BE%D0%BB%D0%B8%D1%87%D0%B5%D1%
Пример: цена товара, рост, расстояние, время использования продукта в днях.

Дальше по плану написать про то, какие графики вы можете использовать, чтобы понять, какие данные у вас есть и что с ними теоретически можно сделтаь.
+1
Добавить в избранное Сохранено
Авторизуйтесь
Вход с паролем
Комментариев еще не оставлено
Выбрать файл
Читайте далее
Загружаем…
Блог проекта
Расскажите историю о создании или развитии проекта, поиске команды, проблемах и решениях
Написать
Личный блог
Продвигайте свои услуги или личный бренд через интересные кейсы и статьи
Написать