Коллеги,
Никого не хочу обидеть этим постом, только ради общего блага. ^_^
В последнее время уважаемые люди позволяют себе ради незначительных результатов для бизнеса халтурить в PR. Получаются исследования низкого качества.
Мой пост для неискушенного в аналитике и статистике Магазинщика. Просто почитайте пост, поймите для себя разницу между слабым анализом и хорошим анализом.
Внимание, все данные в посте смоделированы. Они не применимы в реальной жизни, а призваны показать наглядность качественного анализа. Проводим анализ:
1. Для достоверности смоделировал размещение 100 магазинов на маркете (скрин 1) с помощью «пакета анализа» в xls и использовал знания в эконометрике.
2. Выводим основные статистические показатели нашего исследования. График на (скрин 2) показывает однородность и рассеивание данных. Как можно заметить, в результате моделирования хорошо связаны только 5 из 8 показателей. 2 показателя находятся на переходном уровне, то есть их можно использовать в работе, но с очень большими оглядками и поправками. 1 показатель находится за чертой и использовать в анализе не рекомендован.
3. (скрин 3) Для изучения ситуации с каждым показателем выводим интервалы значений.
В данном случае с бюджетами 100 магазинов в этой модели.
Можно заметить, что есть изломана кривая данных (синие столбики). Это говорит о том, что в части модели данные не достоверные и отличаются от нормальных.
Если представим, что эти цифры мы получили в результате опроса, то все становиться на свои места.
Некоторые из 100 магазинов «врут» про бюджет =)
4. (скрин 4) Аналогичный отчет по среднему чеку. Тоже плохие данные в модели.
Это можно считать, как будто кто-то средний чек посчитал по симиляр вебу, а потом представил, как глубокую аналитику. Симиляр штука хорошая, но надо фильтровать
5. (скрин 5) Самое интересно. Регрессионный анализ зависимости СРС (цены клика) от бюджета и количества кликов.
На графике «СРС к бюджету» мы видим нормальное равномерное распределение совокупности.
Если мы будем держаться среднего бюджета 1 096 116р, то будем получать оптимальные показатели
А вот с «СРС к числу кликов» все сложно. Чем выше задираем СРС, тем меньше кликов
Что же делать?
Искать идеальную точку пересечения размера бюджета и желаемого числа кликов
Такая точка получается 17 рублей.
Вот так выглядит реальный анализ.
Кстати, если вдруг кто-то дочитал и модераторы не удалили =)
В этой модели только 32 магазина из 100 могут быть проанализированы. При этом уровень маркетинговой ошибки 42% (рекомендован уровень ошибки не выше 30%)
Если бы это был реальный анализ, то из всего анализа мы бы смогли понять ситуацию только по 1/3 выборки. Использовать данные по бюджету, срс и среднему чеку на свой страх и риск, так как они содержат высокую степень ошибки.
А теперь поглядите на другие исследования, подумайте, какая там степень ошибки?
Никого не хочу обидеть этим постом, только ради общего блага. ^_^
В последнее время уважаемые люди позволяют себе ради незначительных результатов для бизнеса халтурить в PR. Получаются исследования низкого качества.
Мой пост для неискушенного в аналитике и статистике Магазинщика. Просто почитайте пост, поймите для себя разницу между слабым анализом и хорошим анализом.
Внимание, все данные в посте смоделированы. Они не применимы в реальной жизни, а призваны показать наглядность качественного анализа. Проводим анализ:
1. Для достоверности смоделировал размещение 100 магазинов на маркете (скрин 1) с помощью «пакета анализа» в xls и использовал знания в эконометрике.
2. Выводим основные статистические показатели нашего исследования. График на (скрин 2) показывает однородность и рассеивание данных. Как можно заметить, в результате моделирования хорошо связаны только 5 из 8 показателей. 2 показателя находятся на переходном уровне, то есть их можно использовать в работе, но с очень большими оглядками и поправками. 1 показатель находится за чертой и использовать в анализе не рекомендован.
3. (скрин 3) Для изучения ситуации с каждым показателем выводим интервалы значений.
В данном случае с бюджетами 100 магазинов в этой модели.
Можно заметить, что есть изломана кривая данных (синие столбики). Это говорит о том, что в части модели данные не достоверные и отличаются от нормальных.
Если представим, что эти цифры мы получили в результате опроса, то все становиться на свои места.
Некоторые из 100 магазинов «врут» про бюджет =)
4. (скрин 4) Аналогичный отчет по среднему чеку. Тоже плохие данные в модели.
Это можно считать, как будто кто-то средний чек посчитал по симиляр вебу, а потом представил, как глубокую аналитику. Симиляр штука хорошая, но надо фильтровать
5. (скрин 5) Самое интересно. Регрессионный анализ зависимости СРС (цены клика) от бюджета и количества кликов.
На графике «СРС к бюджету» мы видим нормальное равномерное распределение совокупности.
Если мы будем держаться среднего бюджета 1 096 116р, то будем получать оптимальные показатели
А вот с «СРС к числу кликов» все сложно. Чем выше задираем СРС, тем меньше кликов
Что же делать?
Искать идеальную точку пересечения размера бюджета и желаемого числа кликов
Такая точка получается 17 рублей.
Вот так выглядит реальный анализ.
Кстати, если вдруг кто-то дочитал и модераторы не удалили =)
В этой модели только 32 магазина из 100 могут быть проанализированы. При этом уровень маркетинговой ошибки 42% (рекомендован уровень ошибки не выше 30%)
Если бы это был реальный анализ, то из всего анализа мы бы смогли понять ситуацию только по 1/3 выборки. Использовать данные по бюджету, срс и среднему чеку на свой страх и риск, так как они содержат высокую степень ошибки.
А теперь поглядите на другие исследования, подумайте, какая там степень ошибки?