3 Hal yang Telah Saya Lakukan di Tahun 2018

Written by
Alex Birkett

3 Hal yang Telah Saya Lakukan di Tahun 2018

Written by
Alex Birkett

3 Hal yang Telah Saya Lakukan di Tahun 2018

Written by
Alex Birkett

Seperti yang saya katakan di unduhan kecil tentang target tahun baru, Saya mempelajari R. Ini adalah bagian dari target yang lebih luas untuk menjadi lebih teknis, dan saya secara pasti lebih cenderung ke seni data dalam hal ini.

Saya telah mengeksplorasi bahasa awal-akhir seperti Jquery, dan saat ia memiliki banyak nilai yang dapat diprediksikan, R jauh lebih masuk akal bagi saya sejauh ini.

Saya merasa nyaman mempelajarinya.

Bahkan lebih baik lagi, saya terus mendapatkan cara luar biasa untuk menggunakannya ( faktor pembatas bagi kebanyakan ide-ide saya adalah tingkat kemampuan saya).

R itu keren dan saya telah menggerutinya selama beberapa bulan. Dalam 3 bulan terakhir, saya telah memiliki beberapa pencapaian. Berikut beberapa hal dasar yang saya selesaikan di tahun ini yang telah membantu saya dalam pemasaran .

1. Memulai dengan Analisis Google dalam R

Saya tidak mengatakan bahwa saya telah mengeksplorasi Analisis Google dengan lebih detail atau dengan cara apa saya mendapat banyak keuntungan dalam R, tapi saya sudah menjalankannya dan pada akhirnya, itu akan membantu saya membangun dasbor di Shiny untuk dibagikan di seluruh tim saya.

Saya mulai dengan unggahan luar biasa dari Tim Wilson:

https://www.linkedin.com/pulse/tutorial-from-0-r-google-analytics-tim-wilson

Awalnya saya belajar tentang R dalam konteks dari analisis digital, jadi bisa dikatakan ini benar-benar cara yang alamiah untuk memulai. Setelah sebuah gerakan cepat melalui pendidikan interaktif milik Swirl dan kursus Lynda untuk R dan Statistik, saya ingin menarik data dari akun analisis dan melihat apa yang dapat saya lakukan.

Yang dapat saya lakukan sederhana saja, namun itu adalah permulaan. Kebanyakan saya hanya bermain-main dengan cara yang berbeda untuk mengambil data sekarang, semua yang dapat saya perbuat di GA. Dan saya berhasil menyusun lalu lintas berdasarkan suhu berdasarkan jam per hari dan hari per minggu yang keren.

Saya menduga disini sebagian besar pendidikan dan aplikasi R saya akan berperan di masa depan.

2. Membangun Persona Pengguna yang Kuat Menggunakan Teknik Statistik Lanjut

Tidak diragukan lagi ini adalah proyek paling berguna yang sudah saya selesaikan. Hanya sebagian yang ada di R, namun tetap saja, bagian itu benar-benar penting.

Pada dasarnya, kami ingin membuat persona berbasis data untuk CXL Institute, tapi kita ingin yang cepat (saat anda sedang gesit, Anda tidak ingin macet karena kelumpuhan analisis.)

Saya telah menulis tentang keseluruhan proses di unggahan ini, tetapi pada dasarnya bermuara pada 8 langkah:

  • Tuliskan target kita dan rencanakan pendekatannya.
  • Tulis survey dan kirim ke hadirin / nasabah kita.
  • Analisa data eksplorasi di R
  • Analisa data lebih lanjut di Excel ( banyak table pivot )
  • Analisa data kualitatif
  • Uraikan persona secara kasar namun jelas
  • Temukan pelanggan prototipikal dari setiap persona dan lakukan wawancara 1 lawan satu
  • Kumpulkan semua data dan buat persona yang bagus dan berguna

Data eksplorasi pada intinya terdiri dari PCA, Analisa Faktor, dan Pengelompokkan (hierarkis dan arti-k), dan banyak sekali visualisasi. Saya juga menggambar histogram untuk berbagai variabel dan menganalisa data sebagai fungsi dari variabel tertentu, meskipun itu jauh lebih mudah untuk dilakukan di Excel.

Hasil akhirnya: sukses! Kami membangun persona yang bermanfaat.

3. Membuat Bagan Atribusi berbasis Rantai Markov dengan Data GA

Ini benar-benar cepat karena pada dasarnya kode tersebut disalin dan ditempel. Namun dengan pengetahuan saya tentang menarik data GA dengan R dan kemampuan umum untuk membaca, menulis dan memperbaiki kode R, saya dapat membuat bagan atribusi untuk  data analitik digital kami dengan menggunakan bagan Markov.

Image Source

Ini tempat saya mendapatkan ide dan sebagian besar dari kode dari:

http://stuifbergen.com/2016/11/conversion-attribution-markov-model-r/

Ini saja tidak dapat memberikan nilai lebih banyak dari dasbor GA kami, namun saya mempelajari bahwa kita tidak benar-benar menandai email lokasi tertentu sehingga kita dapat menemukan dan mengubahnya. Kita juga dapat lebih mudah melihat nilai marginal dari lalu lintas rujukan dari sumber tertentu yang kita pikir tidak bernilai berdasarkan atribusi ceklikan terakhir. Namun pada akhirnya memunculkan nilai algoritma.

Jadi, saya rasa ini juga bernilai, dan saya yakin kedepannya saat lokasi baru telah tertandai maka itu akan menjadi sangat berguna untuk melihat apa yang bernilai dan apa yang tidak. Saya juga ingin mengeksplorasi sedikit lagi tentang bagan atribusi. Saya langsung mengambil nilainya dan tidak mempertanyakan asumsi yang mendasarinya. Saya merasa hal itu pantas untuk dieksplorasi ke depannya, terlebih lagi karena kami meningkatkan pengeluaran iklan dan menambahkan saluran pemasaran baru.

Unggahan ini yang akan saya bahas selanjutnya:


http://www.lunametrics.com/blog/2016/06/30/marketing-channel-attribution-markov-models-r/

Kesimpulan

R sangat bagus. Tidak sabar untuk melakukan lebih dengannya.

Dalam daftar selanjutnya : Menyusun pencarian kata kunci di R berdasarkan penyiaran menggunakan pengelompokan dan klasifikasi, membangun dasbor Shiny dengan analitik digital dan data finansial, menggunakan analisa regresi untuk memprediksikan sifat pola yang terhubung dengan retensi yang lebih besar.

Sebagai tambahan untuk memperlajari R, saya juga kembali dan memperlajari celah celah dari analisa Google yang telah tertunda. Ini akan menjadi tahun yang menyenangkan dan tahun kutu buku.

Source: https://www.alexbirkett.com/3-things-r-2017/


Share