Презентация с выступлением на конференции «SEMPRO 2016» Докладчик: Алексей Данилин

1. Алексей
Данилин
Прогнозирование и оценка
результатов продвижения

2. План доклада
1. Построение прогнозов на основе доступных данных.
2. Улучшение качества прогнозов.
3. Возможности оценки результатов продвижения.

3. Построение прогнозов на основе доступных данных
Откуда можно получить данные для прогноза:
● Google Analytics или Яндекс Метрика;
● CRM;
● CMS.
Лучше все данные хранить в едином хранилище - так удобнее их
обрабатывать.

4. Преимущества хранения данных в облаке
1. Гибкость, доступность, мастшабирование.
2. Возможность дублировать или адаптировать успешные бизнесс-
процессы.
3. Низкий порог необходимых знаний.
4. Улучшение использования достуных ресурсов.
5. Уменьшение расходов на IT (бэкапы, восстановление,
обновление ПО, инфраструктура).
6. Многопользовательский режим с правами доступа.
7. Скорость запуска и простота интеграции.
8. Доступ к практически не ограниченным ресурсам.
Безопасность для окружающей среды :)

5. Google Tag Manager + Google Analytics + BigQuery

6. BigQuery

7. Не нужен специалист под каждый инструмент

8. Какие методы прогнозирования можно
использовать
Прогнозирование временных рядов

9. Какие методы прогнозирования можно
использовать
Более сложные модели

10. Ограничимся рассмотением данных из Google
Analytics

11. Предобработка данных - масштабирование

12. Предобработка данных - устранение аномалий

13. Предобработка данных - устранение аномалий

14. Предобработка данных - устранение аномалий

15. Предобработка данных - проверка адекватности
данных

16. Рассмотрим только бесплатный трафик

17. Построим прогноз трафика

18. Построим прогноз транзакций

19. На основании предыдущих прогнозов построим
прогноз дохода

20. Сместимся на несколько периодов и проверим
адекватность модели
Оценка получилась завышенной

21. Донастроим модель
Оценка в пределах допустимого

22. Улучшение качества прогнозов
1. Используйте значимые параметры для прогнозирования требуемой
величины.
2. Настраивайте параметры модели на подвыборках.
3. Модель не должна идеально описывать данные, на которых её
настраивали.
4. Возьмите больше достоверных данных.

23. Возможности оценки результатов продвижения
На сколько прогноз совпадает с реальностью

24. Пример из реальной жизни
Плохой прогноз или все очень хорошо?

25. Пример из реальной жизни
Прогноз совпадает с реальностью

26. Почему
1. Почему все плохо? Может, все хорошо?
2. Почему все хорошо? Может, все плохо?

27. Оценка реального состояния проекта

28. Оценка реального состояния проекта

29. Оценка реального состояния проекта

30. Выводы по графикам
1. Последние два месяца все растет без учета сезонности.
2. Потенциал последнего сезонного роста в финансовых показателях
используется гораздо лучше, чем во время предыдущих сезонных
всплесков.
3. 4 месяца назад произошло что-то, из-за чего мы получили меньше
дохода, чем могли бы.

31. Список литературы
1. https://www.distilled.net/forecaster/ - быстрое построение прогнозов.
2. Справочные материалы по R:
https://stat.ethz.ch/R-manual/R-devel/library/stats/html/lm.html
https://stat.ethz.ch/R-manual/R-devel/library/stats/html/glm.html
https://cran.r-project.org/web/packages/forecast/index.html
https://stat.ethz.ch/R-manual/R-devel/library/stats/html/stl.html
https://github.com/twitter/AnomalyDetection
Графики в докладе построены в R

32. Узнайте больше об интернет-маркетинге