ݺߣ

ݺߣShare a Scribd company logo

Роман Степанов: "Анализ данных о местоположении клиентов"

•Download as PPTX, PDF•
•
Provectus
Provectus

1 of 6
Download to read offline
Анализ данных о местоположении клиентов Provectus Казань 2016
Основные задачи • Понять специфику клиентов определенного бизнеса: • Что их привлекает? • Какие тренды? • Где размещать рекламу? • Как развиваться дальше? • Кто конкуренты? Что с ними происходит во времени? • Оценить влияние рекламы • Убедиться в качестве и полноте данных.
Данные • Сигналы с устройств (местоположение, время, идентификатор устройства) • Профили владельцев устройств • Справочник адресов • Справочник бизнесов • Географические данные (штаты, DMA, дороги, и т.д.) • Данные переписи населения • Данные от партнеров • И т.д.
Примеры • Стандартные отчеты • Cadillac custom analysis • Profiles index • Mariano’s custom analysis • Double Geocoding with Google Places API
Смещение данных 00% 10% 20% 30% 40% 50% 60% 70% Male Female Gender Profiles Census 0% 5% 10% 15% 20% 25% 30% 35% 40% 45% 50% Age 18-24 Age 25-34 Age 35-44 Age 45-54 Age 55-64 Age 65+ Age distribution Profiles Census Смещение данных в пользу более активных соц.-дем. групп пользователей
Проблемы • Удаление «выбросов»; • Propensity Score Matching для уточнения всевозможных результатов с использованием контрольных групп (демографические профили, характеристика клиентов по типам посещаемых мест); • Автоматизация double geocoding; • Определение временных трендов посещаемости с учетом изменений в объемах сигналов

More Related Content

Роман Степанов: "Анализ данных о местоположении клиентов"

  • 1. Анализ данных о местоположении клиентов Provectus Казань 2016
  • 2. Основные задачи • Понять специфику клиентов определенного бизнеса: • Что их привлекает? • Какие тренды? • Где размещать рекламу? • Как развиваться дальше? • Кто конкуренты? Что с ними происходит во времени? • Оценить влияние рекламы • Убедиться в качестве и полноте данных.
  • 3. Данные • Сигналы с устройств (местоположение, время, идентификатор устройства) • Профили владельцев устройств • Справочник адресов • Справочник бизнесов • Географические данные (штаты, DMA, дороги, и т.д.) • Данные переписи населения • Данные от партнеров • И т.д.
  • 4. Примеры • Стандартные отчеты • Cadillac custom analysis • Profiles index • Mariano’s custom analysis • Double Geocoding with Google Places API
  • 5. Смещение данных 00% 10% 20% 30% 40% 50% 60% 70% Male Female Gender Profiles Census 0% 5% 10% 15% 20% 25% 30% 35% 40% 45% 50% Age 18-24 Age 25-34 Age 35-44 Age 45-54 Age 55-64 Age 65+ Age distribution Profiles Census Смещение данных в пользу более активных соц.-дем. групп пользователей
  • 6. Проблемы • Удаление «выбросов»; • Propensity Score Matching для уточнения всевозможных результатов с использованием контрольных групп (демографические профили, характеристика клиентов по типам посещаемых мест); • Автоматизация double geocoding; • Определение временных трендов посещаемости с учетом изменений в объемах сигналов