Przewidywanie udziałów wyboru

Mamy już przygotowaną funkcję o nazwie predict_mnl(), która pozwala przewidzieć udziały wyboru dla nowego zestawu produktów. Funkcja predict_mnl() przyjmuje dwa argumenty:

obiekt modelu utworzony przez mlogit
ramkę danych opisującą produkty, dla których chcesz przewidzieć udziały

To ćwiczenie jest częścią kursu

Modelowanie wyborów w marketingu w R

Instrukcje do ćwiczenia

Sprawdź products, aby zobaczyć, jakie cechy mają te cztery samochody. products to niewielka ramka danych, więc wystarczy wpisać jej nazwę, aby wyświetlić ją w całości w konsoli.
Użyj predict_mnl(), aby przewidzieć udziały dla tych czterech produktów. Jako pierwszy argument podaj m1, a jako drugi products.
Wyświetl udziały w konsoli, wpisując shares.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# inspect products


# use predict_mnl to predict share for products
shares <- predict_mnl(___, ___)

# print the shares to the console

Edytuj i uruchom kod

To ćwiczenie jest częścią kursu

Modelowanie wyborów w marketingu w R

SkillTag.level.advancedSkillTag.label

4.8+

Rozpocznij kurs za darmo

Celem tego rozdziału jest przeprowadzenie cię przez cały proces modelowania wyborów tak szybko, jak to możliwe – abyś zdobył ogólne pojęcie o tym, co można zrobić z modelami wyboru i jak przebiega cały proces. Główna idea jest prosta: model wyboru pozwala zrozumieć, jak decyzje zakupowe klientów zależą od cech produktów. Czy nabywcy sportowych samochodów wolą skrzynię manualną od automatycznej? O ile? Żeby dać ci szeroki przegląd, pominiemy na razie wiele szczegółów. W kolejnych rozdziałach wrócimy do ważnych kwestii związanych z przygotowaniem danych, specyfikacją i interpretacją modeli oraz prezentacją wyników – tak abyś był w pełni przygotowany do stosowania tych metod z własnymi danymi.

Exercise 1: Dlaczego modele wyboru?Exercise 2: Dane o wyborach Exercise 3: Analiza danych o wyborach Exercise 4: Szukanie poziomów czynnika Exercise 5: Analiza pojedynczej obserwacji wyboru Exercise 6: Co wybierali klienci?Exercise 7: Dopasowywanie i interpretacja modelu wyboru Exercise 8: Dopasowanie modelu wyboru Exercise 9: Interpretacja parametrów Exercise 10: Wykorzystanie modeli wyboru do podejmowania decyzji Exercise 11: Przewidywanie udziałów wyboru

Bieżące ćwiczenie

Exercise 12: Wizualizacja udziałów wyboru

Dane o wyborach można pozyskiwać z wielu różnych źródeł, a ich format bywa bardzo zróżnicowany. W tym rozdziale weźmiemy dane dostarczone w kilku alternatywnych formatach i nauczymy się, jak przygotować je do modelowania wyborów. Omówimy też, jak zaprojektować ankietę, aby samodzielnie zebrać własne dane o wyborach.

Exercise 1: Składanie danych wyboru Exercise 2: Ile mamy wyborów?Exercise 3: Atrybuty i poziomy Exercise 4: Analiza pojedynczego wyboru Exercise 5: Konwersja z formatu szerokiego do długiego Exercise 6: Konwersja z formatu szerokiego do długiego Exercise 7: Posortuj dane w formacie długim Exercise 8: Zmiana zmiennej Selection Exercise 9: Dane o wyborach w dwóch plikach Exercise 10: Sprawdzanie wyboru rozbitego na dwa pliki Exercise 11: Łączenie dwóch plików Exercise 12: Wizualizacja danych dotyczących wyboru Exercise 13: Jakie rodzaje czekolady wybierają ludzie?Exercise 14: Czy ludzie wybierają niższe ceny?Exercise 15: Projektowanie ankiety conjoint

W tym rozdziale dokładniej przyglądamy się szacowaniu modeli wyboru. Aby dać ci solidną podstawę do myślenia o modelach wyboru, skupimy się na tym, jak wielomianowy model logitowy przekształca cechy produktów w prognozę decyzji podejmowanej przez osobę wybierającą. Dzięki temu zyskasz ramy do podejmowania decyzji o tym, które cechy uwzględnić w modelu.

Exercise 1: Modele wyboru – od środka Exercise 2: Utwórz obiekt dfidx Exercise 3: Dopasuj model wyboru Exercise 4: Usuń wyraz wolny Exercise 5: Interpretacja parametrów modelu wyboru Exercise 6: Która marka czekolady jest najbardziej preferowana?Exercise 7: Obliczanie gotowości do zapłaty Exercise 8: Cena jako czynnik Exercise 9: Test ilorazu wiarygodności Exercise 10: Wyrazy wolne i interakcje Exercise 11: Interakcja między marką a typem Exercise 12: Interakcja między ceną a próbą Exercise 13: Przewidywanie udziałów Exercise 14: Przewidywanie udziałów dla segmentu racer Exercise 15: Przewidywanie udziałów dla batoników czekoladowych Exercise 16: Wykres udziałów dla tabliczek czekolady

Różni ludzie mają różne gusta i preferencje. To intuicyjnie oczywiste, a dodatkowo liczne badania marketingowe to potwierdzają. Ten rozdział omawia modele wyboru, w których zakładamy, że różni decydenci mają różne preferencje wpływające na ich wybory. Gdy modele uwzględniają zróżnicowanie preferencji konsumentów, zwykle przypisują wyższe udziały produktom niszowym, trafiającym do węższej grupy odbiorców. Modele hierarchiczne są stosowane w większości komercyjnych zastosowań modelowania wyborów, dlatego ważne jest, aby rozumieć, jak działają.

Exercise 1: Czym jest hierarchiczny model wyboru?Exercise 2: Ile osób wzięło udział w ankiecie o czekoladzie?Exercise 3: Model czekolady z losowym współczynnikiem ceny Exercise 4: Zróżnicowanie preferencji dotyczących innych cech Exercise 5: Ustawianie kodów efektów Exercise 6: Model czekolady z wszystkimi losowymi współczynnikami Exercise 7: Interpretacja parametrów modelu hierarchicznego Exercise 8: Jak konsumenci oceniają białą czekoladę?Exercise 9: Prognozowanie udziałów rynkowych za pomocą modeli hierarchicznych Exercise 10: Przewidywanie udziałów w rynku dla czekoladek Exercise 11: Do zobaczenia i powodzenia!