Ahogy várható éves bevétele felhasználói csoportok excel

Ma fogok szólni, hogy hogyan jelezheti az éves bevétel kohorsz az első hónapban a létezéséről. Az előrejelzés fogja használni lineáris regresszió.

• Excel (Google-táblázatokat is működik, de van egy kicsit más felület);
• történelmi értékesítési adatok (oktatja a modell).

Ha hirtelen cége fiatal, és az adatokat az év még - ne aggódj. Készítsen egy előrejelzést az időszakot, amely adatok állnak rendelkezésre.

1. lépés: Vegye adatok

Ehhez a gyakorlathoz, amit készített egy speciális fájl. ahol edzhetnek. Töltsd le, és nyissa meg az Excel.

Később, kérje a programozó, hogy töltse fel az adatokat ugyanabban a formátumban. Itt található ez a fájl példaként.

2. lépés: kiszámítja egy előfizetőre jutó

Kohorsz ahol többen valószínűleg, hogy több pénzt egyszerűen azért, mert többen vannak. Az egyetlen következtetés, amit csinál a modell, „szükség van több ügyfél.” Nem nagyon hasznos. Ehelyett sprognoziruem átlagos bevétel a vevőtől. Ehhez osszuk el a teljes bevétel a csoportban az emberek száma.

3. lépés: építsünk menetrend

Kezdődik a móka. Ahhoz, hogy a modell elkészítésére, meg kell érteni, hogy az adatok közötti összefüggéseket. Ahhoz, hogy ezt megtehessük, építésére szórásdiagramon (ezek a diagramok mi épült az iskola).

Minden pont a grafikonon - egy korosztály. X-tengely - a bevétel az adott hónapban. Az Y-tengely - a bevételek az év.

A grafikon azt mutatja, erős és nagyon logikus lineáris összefüggés: az emberek, akik hoztak többet, mint az első hónapban, valószínűleg, hogy több és az év során.

A kérdés az, hogy sokkal több?

4. lépés: építése modell

Mi csak néhány lépésre van a győzelem. Add a chart trendvonal. És ne felejtsük el, hogy megjelenjen a grafikus formula.

Az így kapott általános képletű -, és megvan a megfelelő modell. Hadd emlékeztessem önöket, hogy az Y - LTV az év, és X - LTV az első hónapban. Azaz:

LTV évre = 4,67 * LTV a hónap - 0,72

„Alex, azt mondod, hogy ez lehetséges itt és így megjósolni bevételek az év használatával összeadás és szorzás? Ez nem lehet! "

Pontosan. De még nem végeztünk. Ez volt az utolsó lépés.

5. lépés: értékeli a modell pontosságát

Az általános képletű komponens R ^ 2. Ez azt mutatja, hogy mennyire jól a modell leírja a rendelkezésre álló adatokat. 0.93 azt jelenti, „átkozottul jó leírást.”

De sokkal érdekesebb, hogy hogyan pontosan a modell megjósolja a jövőt.

Azt kell mondanom, modellek 100% -os pontossággal nem történik meg. Általában.

Annak megállapítására, a modell pontosságát, elosztjuk a rendelkezésre álló adatok 2 csoportra: a képzés és a tesztelés.

Képzés egy csoportja jelölt nulla, egy teszt - egységet.

Alapján a képzési csapat vagyunk felépíteni egy modellt: adjunk hozzá egy diagram egy lineáris trend, és kap a képlet.

A képlet kicsit megváltozott. Ez normális.

LTV évente = 5 * LTV a hónap - 1,72

Most, alkalmazza a képlet a predikciós a vizsgálati minta.

A grafikonon a kék vonal - az igazi LTV egyes csoportoknál, és az Orange - előrejelzés, az eredmény a modell. Nézni ahogy lezárja.

A statisztika egy speciális mutató MSE, ami csökkenti a pontosságot a modell egy számjegyű. De ahhoz, hogy ne terhelje túl téged egy cikket, azt javaslom, hogy olvassa el azt a „Wikipédián”.

Térjünk vissza, hogy miért tette.

Tegyük fel, hogy az elmúlt hónapban költött $ 10,000 és vonzotta 600 új tagokat. Ezek a felhasználók az elmúlt hónapban hozta 2400 $ bevételt.

Költség user = $ 10000/600 = $ 16,7

LTV az első hónapban = $ 2400/600 = $ 4

Mi helyettesíti az értékeket a modell:

LTV évre = $ 5 * 4-1,72 = $ 18.28

Előrejelzés ROMI = $ 18,28 / 16,17 $ = 113%.

P. S. Természetesen a időszakok 30 és 365 nap lehet változtatni, hogy bármilyen más. Én például gyakran megjósolni az első hónap első napján.