Анализ данных

Начнём с обобщения данных о покупках и ценах для HOPPINESS и BUD. Вычислите средние значения покупок HOPPINESS и BUD, а также средние уровни цен PRICE.HOP и PRICE.BUD с помощью функции colMeans(). Функция colMeans() рассчитывает средние значения по всем указанным векторам данных одновременно.

Это упражнение является частью курса

Построение моделей отклика в R

Посмотреть курс

Инструкции к упражнению

С помощью функции colMeans() вычислите средние значения покупок HOPPINESS и BUD, а также средние уровни цен PRICE.HOP и PRICE.BUD.

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

# Get the mean of HOPPINESS, BUD, PRICE.HOP and PRICE.BUD
___(choice.data[c(___,___,___,___)])

Редактировать и запускать код

Это упражнение является частью курса

Построение моделей отклика в R

SkillTag.level.intermediateSkillTag.label

4.9+

Начать курс бесплатно

В первой главе вы познакомитесь с основными принципами и концепциями моделей рыночного отклика. Вы научитесь строить простые модели отклика для продаж продуктов, а также узнаете о теоретических и практических различиях между линейными и нелинейными моделями отклика продаж.

Exercise 1: Основы моделей рыночного отклика Exercise 2: Розничные продажи Exercise 3: Анализ данных о продажах Exercise 4: Линейные модели отклика Exercise 5: Линейная модель отклика для продаж Exercise 6: Построение прогнозов Exercise 7: Качество прогнозов Exercise 8: Нелинейные модели отклика Exercise 9: Линеаризация нелинейных функций Exercise 10: В чём добавленная ценность?

Эффективная маркетинговая стратегия объединяет все доступные инструменты для донесения ценности продукта до потребителя. Главное — найти правильное сочетание этих инструментов, чтобы добиться роста продаж и достичь целевых показателей доли рынка. Во второй главе вы узнаете, как включить эффекты рекламы и продвижения в модель отклика продаж и как выявить маркетинговую стратегию, у которой больше всего шансов на успех.

Exercise 1: Расширение модели, часть 1: фиктивные переменные Exercise 2: Знакомство с фиктивными переменными Exercise 3: Влияние выкладки товара на продажи Exercise 4: Влияние нескольких фиктивных переменных на объём продаж Exercise 5: А как насчёт цены?Exercise 6: Расширение модели, часть 2: динамические переменные Exercise 7: Как применять лаг?Exercise 8: Добавление лаговых эффектов цены Exercise 9: Дополнительные лаги Exercise 10: В чём ценность расширения модели?Exercise 11: Сколько расширений необходимо?Exercise 12: Обобщение модели Exercise 13: Лишние предикторы Exercise 14: Исключение предикторов Exercise 15: Исключение предикторов

Компания может быть успешной на рынке только в том случае, если её продукты обладают конкурентным преимуществом перед аналогами соперников. Чтобы разработать эффективную маркетинговую стратегию в конкурентной среде, необходимо понимать взаимосвязь между маркетинговой активностью и поведением покупателей. В этой главе вы научитесь объяснять влияние временных изменений цены на выбор торговой марки покупателем, применяя логистические и пробит-модели отклика.

Exercise 1: Модели индивидуального спроса Exercise 2: Покупки клиентов Exercise 3: Анализ данных

Текущее упражнение

Exercise 4: Конкуренция Exercise 5: Линейная вероятностная модель спроса на пиво Exercise 6: Логистические модели отклика Exercise 7: Логистическая модель спроса на пиво Exercise 8: Ограниченные прогнозы Exercise 9: Средние предельные эффекты Exercise 10: Графики эффектов Exercise 11: Пробит-модели отклика Exercise 12: Пробит-модель для спроса на пиво Exercise 13: Логистическая vs. пробит Exercise 14: Сравнение моделей

Главная цель моделирования отклика — дать маркетологам возможность оценивать отдачу от своих действий не только в настоящем, но и в будущем. Чтобы увидеть эту будущую отдачу, необходима простая, но надёжная статистическая модель. В этой последней главе вы научитесь оценивать прогностическую эффективность логистических моделей отклика.

Exercise 1: Выбор модели Exercise 2: Расширение логистической модели отклика Exercise 3: Анализ модели Exercise 4: Принцип девиации Exercise 5: Исключение предикторов Exercise 6: Прогностическая эффективность Exercise 7: Классификация Exercise 8: Матрица ошибок модели Exercise 9: ROC-кривые Exercise 10: Валидация модели Exercise 11: Разбиение данных на подмножества Exercise 12: Обучение модели Exercise 13: Тестирование на новых данных Exercise 14: Подводим итоги