Przykład marketingowy
Jak opisano w filmie, nasz klient chce wiedzieć, czy rekomendacja znajomego zwiększa liczbę osób, które kupują jego produkt online, zamiast go odrzucać. Udostępnił nam podsumowanie swoich danych w postaci data.frame o nazwie all_data. Dane zawierają liczbę zakupów (Purchases) i rezygnacji (Pass) dla 4 miast testowych (city) oraz ocenę klienta (ranking). Ta struktura danych dobrze nadaje się do użycia funkcji cbind() na dwóch interesujących nas kolumnach w celu utworzenia macierzy (można użyć innych metod tworzenia macierzy w R, ale ta jest jedną z najprostszych).
Sprawdzisz, czy rekomendacja znajomego (friend) zwiększa skłonność do zakupu produktu. Aby odpowiedzieć na to pytanie, zbudujesz model glmer(), a następnie przeanalizujesz jego wyniki.
Jeśli oszacowanie parametru dla friend jest istotnie większe od zera, rekomendacja znajomego zwiększa szansę na zakup.
Jeśli oszacowanie parametru dla friend jest istotnie mniejsze od zera, rekomendacja znajomego zmniejsza szansę na zakup.
Jeśli oszacowanie parametru dla friend nie różni się istotnie od zera, rekomendacja znajomego nie ma wpływu na dokonanie zakupu.
To ćwiczenie jest częścią kursu
Hierarchiczne i mieszane modele efektów w R
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Load lmerTest
library(lmerTest)
# Fit the model and look at its summary
model_out <- ___
summary(model_out)