Łukasz Siemaszko. Atrybucja jako proces Markowa
|
|
- Judyta Borkowska
- 7 lat temu
- Przeglądów:
Transkrypt
1 Łukasz Siemaszko Atrybucja jako proces Markowa
2 Połowa pieniędzy, które wydaje na marketing jest zmarnowana. Problemem jest to, że nie wiem, która połowa Henry Ford
3 Atrybucja Co? Gdzie? Jak? I właściwie po co?
4 Czym są reklamy w online marketingu? Mailingi Bannery Rich media Organic Paid Search Direct Display Newsletter Afiliacja Search Social Retargeting
5 NL
6 Na zakup wpływa wiele czynników. W tym i nasze reklamy. Skąd wiedzieć, które były ważne?
7 Atrybucja nigdy nie będzie dokładna i nie należy jej mierzyć* *28% w ankiecie CMO
8
9 Cookies =
10 Rzućmy okiem na kilka modeli atrybucji Display Social Search Newsletter Zakup Social Liniowe First click Search Last click Newsletter
11
12 Podejścia możemy mieć lepsze i gorsze Modele Algorytmiczne: 1. Teoria gier wartość Shapleya 2. Modele Bayesowskie 3. Szeregi czasowe 4. Teoria grafów
13 Wartość Shapleya Sh i v = S N\{i} S! (n S 1! (v S {i} v(s)) n! Display Social Search Newsletter Social Display Newsletter Search Newsletter Search Display Social Search Newsletter Display Social N
14 Podejście najlepsze - Abhishek et al. Attention Interest AIDA Desire Action UKRYTE + STANY NIEOBSERWOWALNA MARKOVA HETEROGENICZNOŚĆ
15 Model predykcyjny
16 Tyle rekordów trzeba było przeprocesować (a tak naprawdę trochę mniej)
17 Garść informacji Clickstream udostępniony przez firmę Allegro.pl Kategoria: Telefony i Akcesoria Czas: 1 maja maja 2015 Klikniecia w grupy Paid (9), Earned (6), Owned (17). Grupy małoliczne (<3%) zgrupowano w _*-X Zmienne ciągłe poddano binowaniu metoda kwantylowa, pseudokwantylowa, koszykowa i winsoryzowana
18 Atrybucja jako proces Markowa Załóżmy, że proces zakupowy ma charakter Markowiański, tj.: i rozważmy go na przestrzeni stanów S, tj.: S={earned_1, earned_3, earned_x, others_x, owned_1, owned_x, paid_x). Potem rozważmy modele z pamięcią aż do poziomu 4
19 Diagnostyka Wymiar Istotność zmiennych Współliniowość Analiza reszt Dopasowanie Kryteria Selekcja stepwise, testy t, test F współczynnik Phi Dewiancji, Pearsona, Macierzy H, cbar, c, dfbeta, zmiany dewiancji Pearsona Test Hosmera-Lemeshowa, R-2, skalowane R-2, R-Tjura Porównanie modeli Testy ilorazu wiarygodności, kryteria informacyjne
20 Atrybucja
21 Odrobina teorii A it 1 = a i1, a i2,, a it 1 uporządkowany ciąg zdarzeń reklamowych dla t T a it kanał reklamowy dla którego wyliczany jest efekt atrybucyjny S it = a it+1, a it+2,, a T uporządkowane interakcje z reklamami dla t>t
22 i na przykładzie = 76,4% = 49,6% Ψ = 26,8%
23 Schemat postępowania 1. Oszacowania parametrów β oraz estymowane prawdopodobieństwa konwersji π i są zapisywane w oddzielnym zbiorze wynikowym 2. Ze wszystkich ścieżek usuwany jest dany format reklamowy a i 3. Ścieżki są aktualizowane do postaci A t 1 S t 1, a odpowiednie zmienne przeliczane ponownie, uwzględniając zmianę w ścieżkach 4. Na zmodyfikowanym zbiorze wyliczane są prawdopodobieństwa konwersji modelem zbudowanym w kroku 1 5. Szacowane są nowe prawdopodobieństwa π i dla poszczególnych ścieżek 6. I Atrybucja danego kanału liczona jako: Ψ j = i=1 π i π i 7. Procedura powtarzana analogicznie dla kolejnych kanałów
24 Wyniki
25 Porównanie atrybucji kanałów dla modeli Last click First Click Markov 4-rząd Liniowe 40,4% 46% 41,8% 46,0% 32,0% 30,8% 25% 25,4% 16% 14,3% 14,1% 15,2% 4% 5% 4,6% 4% 4,4% 4,7% 4,7% 4,4% 4,5% 3,6% 3,7% 3,7% 1% 0,7% 0,5% 0,7% Earned_1 Owned_1 Earned_3 Earned_x Paid_x Owned_x Others
26 Garść uwag na koniec Brak wyświetleń, tylko kliki Może proces zakupowy dla telefonów jest dłuższy? Problem unikalności ścieżek Duża dominacja 2 formatów reklamowych Inny zbiór danych?
27 Dla zainteresowanych Abhishek, V., Fader, P. S., & Hosanagar, K. (2012). Media exposure through the funnel: A model of multi-stage attribution Anderl, E., Becker, I., V. Wangenheim, F., Schumann, J. H. (2014). Mapping the customer journey: A graph-besed framework for online attribution modeling Berman, R. (2013). Beyond the last touch: Attribution in online advertising Kireyev, P., Pauwels, K., & Gupta, S. (2013). Do display ads influence search? Attribution and dynamics in online advertising
28 Dziękuję za uwagę Pytania?
Customer Attribution Models. czyli o wykorzystaniu machine learning w domu mediowym.
Customer Attribution Models czyli o wykorzystaniu machine learning w domu mediowym. Proces decyzyjny MAILING SEO SEM DISPLAY RETARGETING PRZEGRANI??? ZWYCIĘZCA!!! Modelowanie atrybucja > Słowo klucz: wpływ
Bardziej szczegółowoAnalityka skoncentrowana na kliencie
Analityka skoncentrowana na kliencie Wyzwania w dobie personalizacji i multichannel Aleksandra Lisiecka, Digital Analyst, Bluerank Karolina Wróńska-Boukhalfa, Account Manager, Opiniac.com Analityka to
Bardziej szczegółowoPromocja/komunikacja. Andrzej Jaszkiewicz
Promocja/komunikacja Andrzej Jaszkiewicz andrzej.jaszkiewicz@cs.put.poznan.pl Pojęcia Promocja Komunikacja Marketing Reklama Growth hacking Public relations - PR Promocja Niezbędny element czy studnia
Bardziej szczegółowoJak wybrać 45 najlepszych. prezentacji na FORUM?
Jak skutecznie dotrzeć do Klienta? Multikanałowa, zintegrowana komunikacja i wiedza Jak wybrać 45 najlepszych kluczem do sukcesu w Internecie. prezentacji na FORUM? Na przykładzie case study Neckermann
Bardziej szczegółowoPodstawy konwersji i modeli atrybucji. Poradnik dla e-sklepu
Podstawy konwersji i modeli atrybucji Poradnik dla e-sklepu Podstawy konwersji dla e-sklepów Analizując dane dotyczące sprzedaży w sklepie internetowym, bardzo często ograniczamy się jedynie do sprawdzenia
Bardziej szczegółowoDigital marketing for e-commerce: o mierzeniu efektywności w kontekście consumer journey
Digital marketing for e-commerce: o mierzeniu efektywności w kontekście consumer journey Digital Marketing Revolution 2015 www.gemius.com 2 Consumer Journey 3 Consumer Journey Channel 2 Channel 3 Channel1
Bardziej szczegółowoWojciech Skwirz
1 Regularyzacja jako metoda doboru zmiennych objaśniających do modelu statystycznego. 2 Plan prezentacji 1. Wstęp 2. Część teoretyczna - Algorytm podziału i ograniczeń - Regularyzacja 3. Opis wyników badania
Bardziej szczegółowoJak wybrać 45 najlepszych. prezentacji na FORUM?
Ile wart jest Twój najlepszy klient? Czyli jak mierzyć Customer Lifetime Value Jak wybrać 45 najlepszych i dlaczego warto to robić. prezentacji na FORUM? Łukasz Dziekan Joanna Komuda, IAB Polska Katarzyna
Bardziej szczegółowoAKADEMIA MARKETINGU CYFROWEGO SZKOLENIE DEDYKOWANE
AKADEMIA MARKETINGU CYFROWEGO SZKOLENIE DEDYKOWANE brand managerom i product managerom dyrektorom marketingu Poznasz trendy marketingu cyfrowego zwiększające efektywność Dowiesz się czym jest efekt ROPO
Bardziej szczegółowoMOŻEMY DORADZIĆ. Jak nie przepłacać za powierzchnię reklamową? (np. kupować CPM za 2 zł na witrynach biznesowych)
MOŻEMY DORADZIĆ Jak nie przepłacać za powierzchnię reklamową? (np. kupować CPM za 2 zł na witrynach biznesowych) Jak precyzyjnie i tanio docierać do Twojej Grupy Docelowej? Jakie efektywne modele komunikacji
Bardziej szczegółowoStanisław Cichocki. Natalia Nehrebecka
Stanisław Cichocki Natalia Nehrebecka 1 2 3 1. Wprowadzenie do danych panelowych a) Charakterystyka danych panelowych b) Zalety i ograniczenia 2. Modele ekonometryczne danych panelowych a) Model efektów
Bardziej szczegółowoNarzędzia do analizy działań marketingowych w internecie: Google Analytics & Webmaster Tools, analityka social media
2012 Narzędzia do analizy działań marketingowych w internecie: Google Analytics & Webmaster Tools, analityka social media Maciej Jankowski Fundacja Rozwoju Branży Internetowej Netcamp Mierzenie skuteczności
Bardziej szczegółowoEkonometryczne modele nieliniowe
Ekonometryczne modele nieliniowe Wykład 10 Modele przełącznikowe Markowa Literatura P.H.Franses, D. van Dijk (2000) Non-linear time series models in empirical finance, Cambridge University Press. R. Breuning,
Bardziej szczegółowoAnalityka internetowa. Google Analytics podejście praktyczne
Analityka internetowa Google Analytics podejście praktyczne Agenda 1. Co to jest analityka internetowa 2. Tworzenie konta Google Analytics i konfiguracja 3. Raporty: Pozyskanie, Zachowanie, Konwersja 4.
Bardziej szczegółowoMisja. Dostarczamy partnerom rozwiązania, które pomagają im kształtować najkorzystniejsze dla nich decyzje zakupowe ich klientów w internecie.
Credentials Misja Dostarczamy partnerom rozwiązania, które pomagają im kształtować najkorzystniejsze dla nich decyzje zakupowe ich klientów w internecie. Maciej Gałecki, CEO Zbigniew Nowicki, Managing
Bardziej szczegółowoWSTĘP DO REGRESJI LOGISTYCZNEJ. Dr Wioleta Drobik-Czwarno
WSTĘP DO REGRESJI LOGISTYCZNEJ Dr Wioleta Drobik-Czwarno REGRESJA LOGISTYCZNA Zmienna zależna jest zmienną dychotomiczną (dwustanową) przyjmuje dwie wartości, najczęściej 0 i 1 Zmienną zależną może być:
Bardziej szczegółowoWspółliniowość zmiennych objaśniających: test Walda i test Studenta w badaniu istotności zmiennych objaśniających - przykłady.
Współliniowość zmiennych objaśniających: test Walda i test Studenta w badaniu istotności zmiennych objaśniających - przykłady. Przykład: Test Walda a test Studenta w badaniu istotności zmiennych objaśniających.
Bardziej szczegółowoJak zwiększyć efektywność działań reklamowych dzięki Google Analytics i Big Data
Jak zwiększyć efektywność działań reklamowych dzięki Google Analytics i Big Data TARGI EHANDLU Poznań, 24 marca 2015 Piotr Guziur Nie istnieje jedno lekarstwo na wszystkie dolegliwości Ecommerce. Rekomendujemy
Bardziej szczegółowoBank spo łdzielczy w cyfrowym sẃiecie swojego klienta
Bank spo łdzielczy w cyfrowym sẃiecie swojego klienta Artur Maciorowski :: ecode > 20 lat w branży internetowej > 15.000 przeszkolonych osób > 100 projektów doradczych Multitasking = doba 24h+ ZMOT Ścieżka
Bardziej szczegółowoREKLAMA A WYWIERANIE WPŁYWU. Opracowanie: dr Marcin Stencel
REKLAMA A WYWIERANIE WPŁYWU Opracowanie: dr Marcin Stencel Działanie mające na celu zachęcenie potencjalnych klientów do zakupu konkretnych towarów lub do skorzystania z określonych usług. Etapy reakcji
Bardziej szczegółowoPLANOWANIE, REALIZACJA I OPTYMALIZACJA KOMUNIKACJI REKLAMOWEJ Z WYKORZYSTANIEM WIDEO I AUDIENCE E-MAILINGU
PLANOWANIE, REALIZACJA I OPTYMALIZACJA KOMUNIKACJI REKLAMOWEJ Z WYKORZYSTANIEM WIDEO I AUDIENCE E-MAILINGU Grzegorz Trondowski Business Development Director Katarzyna Olender Head of Agency Team Anna Milewska
Bardziej szczegółowoe-izba IZBA GOSPODARKI ELEKTRONICZNEJ www.ecommercepolska.pl www.ecommercepolska.pl Poradniki e-commerce Polska OFERTA ZAKUPU REKLAM
e-izba IZBA GOSPODARKI ELEKTRONICZNEJ www.ecommercepolska.pl www.ecommercepolska.pl Poradniki e-commerce Polska OFERTA ZAKUPU REKLAM e-izba - IZBA GOSPODARKI ELEKTRONICZNEJ 2013 Fundacja Rozwoju Gospodarki
Bardziej szczegółowoJak skutecznie dotrzeć do Klienta? Model atrybucji w e-commerce. Na przykładzie case study Neckermann
Jak skutecznie dotrzeć do Klienta? Model atrybucji w e-commerce Na przykładzie case study Neckermann Slide 1 www.optimisemedia.com 2015 Optimise Media. All rights reserved. Neckermann Udany urlop Należymy
Bardziej szczegółowoPrognozowanie na podstawie modelu ekonometrycznego
Prognozowanie na podstawie modelu ekonometrycznego Przykład. Firma usługowa świadcząca usługi doradcze w ostatnich kwartałach (t) odnotowała wynik finansowy (yt - tys. zł), obsługując liczbę klientów (x1t)
Bardziej szczegółowoKreuj eksperymentem. Magda Nojszewska & Dominik Majewski
Kreuj eksperymentem Magda Nojszewska & Dominik Majewski 12 / 16 Plan na dziś 1. 2. 3. 4. 5. 6. 7. 8. Key Performance Inidicators Jak pogłębiać wiedzę, żeby działać mądrze Czy można sprawdzić potencjał
Bardziej szczegółowoKluczowe elementy strategii social media- kanały i formaty. Paweł Tkaczyk Midea
Kluczowe elementy strategii social media- kanały i formaty Paweł Tkaczyk Midea Kluczowe elementy strategii social media kanały i formaty Brzydkie słowa i liczby Czyli o tym, że social media nie działają
Bardziej szczegółowoZawansowane modele wyborów dyskretnych
Zawansowane modele wyborów dyskretnych Jerzy Mycielski Uniwersytet Warszawski grudzien 2013 Jerzy Mycielski (Uniwersytet Warszawski) Zawansowane modele wyborów dyskretnych grudzien 2013 1 / 16 Model efektów
Bardziej szczegółowoMikroekonometria 12. Mikołaj Czajkowski Wiktor Budziński
Mikroekonometria 12 Mikołaj Czajkowski Wiktor Budziński Dane panelowe Co jeśli mamy do dyspozycji dane panelowe? Kilka obserwacji od tych samych respondentów, w różnych punktach czasu (np. ankieta realizowana
Bardziej szczegółowoPrzedmowa Wykaz symboli Litery alfabetu greckiego wykorzystywane w podręczniku Symbole wykorzystywane w zagadnieniach teorii
SPIS TREŚCI Przedmowa... 11 Wykaz symboli... 15 Litery alfabetu greckiego wykorzystywane w podręczniku... 15 Symbole wykorzystywane w zagadnieniach teorii mnogości (rachunku zbiorów)... 16 Symbole stosowane
Bardziej szczegółowoWprowadzenie do teorii ekonometrii. Wykład 1 Warunkowa wartość oczekiwana i odwzorowanie liniowe
Wprowadzenie do teorii ekonometrii Wykład 1 Warunkowa wartość oczekiwana i odwzorowanie liniowe Zajęcia Wykład Laboratorium komputerowe 2 Zaliczenie EGZAMIN (50%) Na egzaminie obowiązują wszystkie informacje
Bardziej szczegółowoNetsprint Group. Z większością naszych klientów realizujemy długoterminowe kontrakty. Przeprowadzamy także projekty dedykowane.
Netsprint Group Realizujemy kampanie reklamowe dla największych branż ze szczególnym uwzględnieniem handlu, motoryzacji, farmacji, technologii, finansów i CPG Analizujemy i wyciągamy wnioski korzystając
Bardziej szczegółowo1. Eliminuje się ze zbioru potencjalnych zmiennych te zmienne dla których korelacja ze zmienną objaśnianą jest mniejsza od krytycznej:
Metoda analizy macierzy współczynników korelacji Idea metody sprowadza się do wyboru takich zmiennych objaśniających, które są silnie skorelowane ze zmienną objaśnianą i równocześnie słabo skorelowane
Bardziej szczegółowoTURNING DATA INTO GOLD. Od czego zacząć?
TURNING DATA INTO GOLD Od czego zacząć? 2 www.netsprint.group 3 86% reklam programatycznych w Europie wykorzystuje dane beahwioralne Wielkość rynku reklamy Europa: wydatki na targetowane reklamy (mld )
Bardziej szczegółowoCUSTOMER JOURNEY. Klient omnichannelowy: potrzeby i oczekiwania. Inquiry sp. z o.o., 2018
CUSTOMER JOURNEY Klient omnichannelowy: potrzeby i oczekiwania Inquiry sp. z o.o., 2018 CO ROBIMY GDY widzimy reklamy tych rzeczy, które zamierzaliśmy kupić? DLACZEGO odwiedzamy stronę www sklepu w celu
Bardziej szczegółowoAdam Kirpsza Zastosowanie regresji logistycznej w studiach nad Unią Europejska. Anna Stankiewicz Izabela Słomska
Adam Kirpsza Zastosowanie regresji logistycznej w studiach nad Unią Europejska Anna Stankiewicz Izabela Słomska Wstęp- statystyka w politologii Rzadkie stosowanie narzędzi statystycznych Pisma Karla Poppera
Bardziej szczegółowoWYNIKI badania Stan marketingu cyfrowego w centrach handlowych Benchmark - Social Media Index. PRCH Marketing Club 26 marca 2015
WYNIKI badania Stan marketingu cyfrowego w centrach handlowych Benchmark - Social Media Index PRCH Marketing Club 26 marca 2015 AGENDA 1. Badanie ankietowe roli marketingu cyfrowego w działaniach marketingowych
Bardziej szczegółowoZnajdź, zainteresuj i przyciągnij kandydata czyli marketing rekrutacyjny w pigułce
www.inforakademia.pl Znajdź, zainteresuj i przyciągnij kandydata czyli marketing rekrutacyjny w pigułce Maciej Czerwonka Business Development Manager InterviewMe.pl Agenda 1. Poznajmy się! 2. Pojęcie marketingu
Bardziej szczegółowoMetody Ilościowe w Socjologii
Metody Ilościowe w Socjologii wykład 2 i 3 EKONOMETRIA dr inż. Maciej Wolny AGENDA I. Ekonometria podstawowe definicje II. Etapy budowy modelu ekonometrycznego III. Wybrane metody doboru zmiennych do modelu
Bardziej szczegółowoMikroekonometria 14. Mikołaj Czajkowski Wiktor Budziński
Mikroekonometria 14 Mikołaj Czajkowski Wiktor Budziński Symulacje Analogicznie jak w przypadku ciągłej zmiennej zależnej można wykorzystać metody Monte Carlo do analizy różnego rodzaju problemów w modelach
Bardziej szczegółowoMODELE LINIOWE. Dr Wioleta Drobik
MODELE LINIOWE Dr Wioleta Drobik MODELE LINIOWE Jedna z najstarszych i najpopularniejszych metod modelowania Zależność między zbiorem zmiennych objaśniających, a zmienną ilościową nazywaną zmienną objaśnianą
Bardziej szczegółowoCzy wiesz, jaki jest Twój finalny koszt konwersji?
Czy wiesz, jaki jest Twój finalny koszt konwersji? Autorzy: Klaudia Hernik, Anna Gromańska, Krzysztof Górski, Mateusz Nić 9 kwietnia 2018, Internet Week IAB, Warszawa Niniejsza publikacja podlega autorskim
Bardziej szczegółowoMetoda najmniejszych kwadratów
Metoda najmniejszych kwadratów Przykład wstępny. W ekonomicznej teorii produkcji rozważa się funkcję produkcji Cobba Douglasa: z = AL α K β gdzie z oznacza wielkość produkcji, L jest nakładem pracy, K
Bardziej szczegółowoWIELKA SGH-OWA POWTÓRKA ZE STATYSTYKI REGRESJA LINIOWA
WIELKA SGH-OWA POWTÓRKA ZE STATYSTYKI REGRESJA LINIOWA Powtórka Powtórki Kowiariancja cov xy lub c xy - kierunek zależności Współczynnik korelacji liniowej Pearsona r siła liniowej zależności Istotność
Bardziej szczegółowoRegresja logistyczna (LOGISTIC)
Zmienna zależna: Wybór opcji zachodniej w polityce zagranicznej (kodowana jako tak, 0 nie) Zmienne niezależne: wiedza o Unii Europejskiej (WIEDZA), zamieszkiwanie w regionie zachodnim (ZACH) lub wschodnim
Bardziej szczegółowoKoncepcja systemu informatycznego realizującego w środowisku Oracle Spatial proces generalizacji modelu BDOT10 do postaci BDOT50
Koncepcja systemu informatycznego realizującego w środowisku Oracle Spatial proces generalizacji modelu BDOT10 do postaci BDOT50 Architektura systemu Architektura systemu System udostępnia dwa kanały dostępu,
Bardziej szczegółowoJak zachęcić do rezerwacji online. w salonie fryzjerskim?
Jak zachęcić do rezerwacji online w salonie fryzjerskim? Wyzwania: wzrost ruchu niebrandowego z bezpłatnych wyników wyszukiwania oraz zwiększenie odsetku nowych użytkowników odwiedzających serwis; optymalizacja
Bardziej szczegółowoPrawdopodobieństwo i statystyka
Wykład XI: Testowanie hipotez statystycznych 12 stycznia 2015 Przykład Motywacja X 1, X 2,..., X N N (µ, σ 2 ), Y 1, Y 2,..., Y M N (ν, δ 2 ). Chcemy sprawdzić, czy µ = ν i σ 2 = δ 2, czyli że w obu populacjach
Bardziej szczegółowoWokół wyszukiwarek internetowych
Wokół wyszukiwarek internetowych Bartosz Makuracki 23 stycznia 2014 Przypomnienie Wzór x 1 = 1 d N x 2 = 1 d N + d N i=1 p 1,i x i + d N i=1 p 2,i x i. x N = 1 d N + d N i=1 p N,i x i Oznaczenia Gdzie:
Bardziej szczegółowoJak Sportowysklep.pl. wyprzedził konkurencję? Nominacje do nagród:
Jak wyprzedził konkurencję? Wyzwania: wyprzedaż asortymentowa - maksymalizacja wolumenu sprzedaży, poszerzenie zasięgu kampanii wśród nowych użytkowników, zmniejszenie kosztu konwersji o 10% w porównaniu
Bardziej szczegółowoCapping w mobile. Łukasz Kłosowski, wydawca serwisu branży mobile GoMobi.pl. tel.
Capping w mobile Łukasz Kłosowski, wydawca serwisu branży mobile GoMobi.pl e-mail: lukasz.klosowski@gomobi.pl tel. +48 515 490 709 Co to capping? Maksymalny limit liczby kontaktów z reklamą, przypadających
Bardziej szczegółowoALGORYTMICZNA I STATYSTYCZNA ANALIZA DANYCH
1 ALGORYTMICZNA I STATYSTYCZNA ANALIZA DANYCH WFAiS UJ, Informatyka Stosowana II stopień studiów 2 Dane w postaci grafów Przykład: social network 3 Przykład: media network 4 Przykład: information network
Bardziej szczegółowoEkonometria. Metodologia budowy modelu. Jerzy Mycielski. Luty, 2011 WNE, UW. Jerzy Mycielski (WNE, UW) Ekonometria Luty, / 18
Ekonometria Metodologia budowy modelu Jerzy Mycielski WNE, UW Luty, 2011 Jerzy Mycielski (WNE, UW) Ekonometria Luty, 2011 1 / 18 Sprawy organizacyjne Dyżur: środa godz. 14-15 w sali 302. Strona internetowa
Bardziej szczegółowoZastosowanie modelu regresji logistycznej w ocenie ryzyka ubezpieczeniowego. Łukasz Kończyk WMS AGH
Zastosowanie modelu regresji logistycznej w ocenie ryzyka ubezpieczeniowego Łukasz Kończyk WMS AGH Plan prezentacji Model regresji liniowej Uogólniony model liniowy (GLM) Ryzyko ubezpieczeniowe Przykład
Bardziej szczegółowo3. Modele tendencji czasowej w prognozowaniu
II Modele tendencji czasowej w prognozowaniu 1 Składniki szeregu czasowego W teorii szeregów czasowych wyróżnia się zwykle następujące składowe szeregu czasowego: a) składowa systematyczna; b) składowa
Bardziej szczegółowoDane określające skuteczność/efektywność kampanii digital
www.effie.pl www.effie.pl Dane określające skuteczność/efektywność kampanii digital Dane pokazujące skuteczność podjętych działań przed i po kampanii dla każdego celu w formularzu EFFIE www.effie.pl www.effie.pl
Bardziej szczegółowoModelowanie glikemii w procesie insulinoterapii
Dawid Kaliszewski Modelowanie glikemii w procesie insulinoterapii Promotor dr hab. inż. Zenon Gniazdowski Cel pracy Zbudowanie modelu predykcyjnego przyszłych wartości glikemii diabetyka leczonego za pomocą
Bardziej szczegółowoStanisław Cichocki Natalia Neherbecka
Stanisław Cichocki Natalia Neherbecka 13 marca 2010 1 1. Kryteria informacyjne 2. Modele dynamiczne: modele o rozłożonych opóźnieniach (DL) modele autoregresyjne o rozłożonych opóźnieniach (ADL) 3. Analiza
Bardziej szczegółowo7 grzechów głównych marketingu, czyli dlaczego warto uczyć się na cudzych błędach?
7 grzechów głównych marketingu, czyli dlaczego warto uczyć się na cudzych błędach? Moją pasją jest wprawianie rzeczy w ruch, dlatego nie lubię stagnacji i zastoju. Wierzę, że rozwijać może się każdy, kto
Bardziej szczegółowoSystem bonus-malus z mechanizmem korekty składki
System bonus-malus z mechanizmem korekty składki mgr Kamil Gala Ubezpieczeniowy Fundusz Gwarancyjny dr hab. Wojciech Bijak, prof. SGH Ubezpieczeniowy Fundusz Gwarancyjny, Szkoła Główna Handlowa Zagadnienia
Bardziej szczegółowoAdfocus platforma RTB. Retargeting spersonalizowany.
Adfocus platforma RTB. Retargeting spersonalizowany. 1 Czy retargeting jest mi potrzebny? Jak zaangażować pozostałe 98% aby dokonali zakupu? 2% klientów kupuje podczas pierwszej wizyty w sklepie. 2 Czy
Bardziej szczegółowoJak mierzyć niemierzalne CZYLI PRECYZYJNA ANALITYKA JAKOŚCIOWA
Jak mierzyć niemierzalne CZYLI PRECYZYJNA ANALITYKA JAKOŚCIOWA Marcin Kowol senior web analyst Metryki CO MIERZYMY NA STRONIE Metryki podstawowe odsłony reklamy (impresje) kliknięcia w reklamę współczynnik
Bardziej szczegółowoZastosowanie schematu analizy difference-in-differences w badaniach politycznych. Adam Gendźwiłł Tomasz Żółtak Uniwersytet Warszawski
Zastosowanie schematu analizy difference-in-differences w badaniach politycznych Adam Gendźwiłł Tomasz Żółtak Uniwersytet Warszawski Potential outcomes framework Indywidualny efekt przyczynowy różnica
Bardziej szczegółowoEstymacja parametrów modeli liniowych oraz ocena jakości dopasowania modeli do danych empirycznych
Estymacja parametrów modeli liniowych oraz ocena jakości dopasowania modeli do danych empirycznych 3.1. Estymacja parametrów i ocena dopasowania modeli z jedną zmienną 23. Właściciel komisu w celu zbadania
Bardziej szczegółowoImportowanie danych do SPSS Eksportowanie rezultatów do formatu MS Word... 22
Spis treści Przedmowa do wydania pierwszego.... 11 Przedmowa do wydania drugiego.... 15 Wykaz symboli.... 17 Litery alfabetu greckiego wykorzystywane w podręczniku.... 17 Symbole wykorzystywane w zagadnieniach
Bardziej szczegółowoSTUDIA I STOPNIA EGZAMIN Z EKONOMETRII
NAZWISKO IMIĘ Nr albumu Nr zestawu Zadanie 1. Dana jest macierz Leontiefa pewnego zamkniętego trzygałęziowego układu gospodarczego: 0,64 0,3 0,3 0,6 0,88 0,. 0,4 0,8 0,85 W okresie t stosunek zuŝycia środków
Bardziej szczegółowoMarketing Internetowy
Marketing Internetowy Jak być widocznym w Google dzięki PPC - podstawy mgr Marcin Darecki Marketing Internetowy Koncepcja T-shaped marketera Spośród dostępnych narzędzi stosowanych do promocji w internecie,
Bardziej szczegółowoMARKETING MIĘDZYNARODOWY ĆWICZENIA
MARKETING MIĘDZYNARODOWY ĆWICZENIA WYDZIAŁ INŻYNIERII ZARZĄDZANIA dr inż. Joanna Majchrzak Katedra Marketingu i Sterowania Ekonomicznego Mail: joanna.majchrzak@put.poznan.pl Konsultacje: p. 316 Poniedziałek
Bardziej szczegółowoO m n i c h a n n e l. Omnichannel marek odzieżowych. Kwiecień 2016
O m n i c h a n n e l Omnichannel marek odzieżowych Kwiecień 2016 Na początku myślenia o Omnichannel Czy dla klientów fizyczny punkt sprzedaży i oficjalny sklep na stronie WWW to to samo? Zbadaliśmy 1811
Bardziej szczegółowoTrafność testów egzaminacyjnych. Artur Pokropek, Tomasz Żółtak IFiS PAN
Trafność testów egzaminacyjnych Artur Pokropek, Tomasz Żółtak IFiS PAN Plan prezentacji EWD i trafność testów egzaminacyjnych Pięć postulatów trafności dla skal pomiarowych Wskaźniki egzaminacyjne a wyniki
Bardziej szczegółowoOferta współpracy. na blogu Metafinanse.pl. Sierpień 2014
na blogu Sierpień 2014 Szanowni Państwo, Bardzo dziękuję za zainteresowanie stroną i współpracą reklamową! Zachęcam do zapoznania się z moją ofertą. Mam nadzieję, że będzie ona dla Państwa interesująca,
Bardziej szczegółowoSkalnik.pl kompleksowa obsługa Performance Marketing case study
Skalnik.pl kompleksowa obsługa Performance Marketing case study Wprowadzenie Skalnik to sieć sklepów górskich we Wrocławiu założona w 1993 roku. Od lat zaopatruje wszystkich, którzy przyjemnie i bezpiecznie
Bardziej szczegółowoAnaliza wariancji w analizie regresji - weryfikacja prawdziwości przyjętego układu ograniczeń Problem Przykłady
Analiza wariancji w analizie regresji - weryfikacja prawdziwości przyjętego układu ograniczeń 1. Problem ozwaŝamy zjawisko (model): Y = β 1 X 1 X +...+ β k X k +Z Ηβ = w r Hipoteza alternatywna: Ηβ w r
Bardziej szczegółowoEkonometria. Modelowanie zmiennej jakościowej. Jakub Mućk. Katedra Ekonomii Ilościowej
Ekonometria Modelowanie zmiennej jakościowej Jakub Mućk Katedra Ekonomii Ilościowej Jakub Mućk Ekonometria Ćwiczenia 8 Zmienna jakościowa 1 / 25 Zmienna jakościowa Zmienna ilościowa może zostać zmierzona
Bardziej szczegółowoPRACODAWCY IT DOTRZYJ DO NAJLEPSZYCH SPECJALISTÓW IT
PRACODAWCY IT DOTRZYJ DO NAJLEPSZYCH SPECJALISTÓW IT To unikalna publikacja - zbiór najważniejszych informacji o polskim rynku pracy IT. Zebrane podczas badania dane o Pracodawcach, w formie tabel i infografik,
Bardziej szczegółowoBuduj wartość produktów Twojej organizacji dzięki bezpłatnym reklamom Google a. Ekspert: Artur Ziemacki Prowadzi: Agnieszka Koszowska, Dimpact
24 kwietnia 2019 Buduj wartość produktów Twojej organizacji dzięki bezpłatnym reklamom Google a Ekspert: Artur Ziemacki Prowadzi: Agnieszka Koszowska, Dimpact Ekspert: Artur Ziemacki Wieloletni przedsiębiorca
Bardziej szczegółowoStanisław Cichocki. Natalia Nehrebecka. Wykład 9
Stanisław Cichocki Natalia Nehrebecka Wykład 9 1 1. Dodatkowe założenie KMRL 2. Testowanie hipotez prostych Rozkład estymatora b Testowanie hipotez prostych przy użyciu statystyki t 3. Przedziały ufności
Bardziej szczegółowoWstęp do sieci neuronowych, wykład 11 Łańcuchy Markova
Wstęp do sieci neuronowych, wykład 11 Łańcuchy Markova M. Czoków, J. Piersa 2010-12-21 1 Definicja Własności Losowanie z rozkładu dyskretnego 2 3 Łańcuch Markova Definicja Własności Losowanie z rozkładu
Bardziej szczegółowoInstytut Politechniczny Państwowa Wyższa Szkoła Zawodowa. Diagnostyka i niezawodność robotów
Instytut Politechniczny Państwowa Wyższa Szkoła Zawodowa Diagnostyka i niezawodność robotów Laboratorium nr 6 Model matematyczny elementu naprawialnego Prowadzący: mgr inż. Marcel Luzar Cele ćwiczenia:
Bardziej szczegółowoREZULTAT 3 Vilniaus technologijų, verslo ir žemės ūkio mokykla, Litwa
Projekt finansowany przez Unię Europejską REZULTAT 3 Vilniaus technologijų, verslo ir žemės ūkio mokykla, Litwa Valdas Kazlauskas NOWOCZESNE MATERIAŁY DYDAKTYCZNE DO NAUKI PRZEDMIOTÓW ZAWODOWYCH Biała
Bardziej szczegółowoCzy omnichannel sprzedaje? Monika Wiśniowska Marketing Manager SARE SA
Czy omnichannel sprzedaje? Monika Wiśniowska Marketing Manager SARE SA Kilka danych z rynku amerykańskiego, przewidywane wydatki w digital marketing 2014-2019 Email marketing rośnie 148% Digital marketing
Bardziej szczegółowoZNACZENIE KONSEKWENCYJNOŚCI W BADANIACH METODĄ WYCENY WARUNKOWEJ STOSUJĄCYCH PYTANIA DYSKRETNEGO WYBORU
ZNACZENIE KONSEKWENCYJNOŚCI W BADANIACH METODĄ WYCENY WARUNKOWEJ STOSUJĄCYCH PYTANIA DYSKRETNEGO WYBORU Ewa Zawojska, Wiktor Budziński, Mikołaj Czajkowski, Christian Vossler, Aleksandra Wiśniewska ezawojska@wne.uw.edu.pl
Bardziej szczegółowoIdea. θ = θ 0, Hipoteza statystyczna Obszary krytyczne Błąd pierwszego i drugiego rodzaju p-wartość
Idea Niech θ oznacza parametr modelu statystycznego. Dotychczasowe rozważania dotyczyły metod estymacji tego parametru. Teraz zamiast szacować nieznaną wartość parametru będziemy weryfikowali hipotezę
Bardziej szczegółowoFuzja sygnałów i filtry bayesowskie
Fuzja sygnałów i filtry bayesowskie Roboty Manipulacyjne i Mobilne dr inż. Janusz Jakubiak Katedra Cybernetyki i Robotyki Wydział Elektroniki, Politechnika Wrocławska Wrocław, 10.03.2015 Dlaczego potrzebna
Bardziej szczegółowoALHE. prof. Jarosław Arabas semestr 15Z
ALHE prof. Jarosław Arabas semestr 15Z Wykład 5 Błądzenie przypadkowe, Algorytm wspinaczkowy, Przeszukiwanie ze zmiennym sąsiedztwem, Tabu, Symulowane wyżarzanie 1. Błądzenie przypadkowe: Pierwszym krokiem
Bardziej szczegółowoKorelacja oznacza współwystępowanie, nie oznacza związku przyczynowo-skutkowego
Korelacja oznacza współwystępowanie, nie oznacza związku przyczynowo-skutkowego Współczynnik korelacji opisuje siłę i kierunek związku. Jest miarą symetryczną. Im wyższa korelacja tym lepiej potrafimy
Bardziej szczegółowoAlgorytmy metaheurystyczne Wykład 6. Piotr Syga
Algorytmy metaheurystyczne Wykład 6 Piotr Syga 10.04.2017 Wprowadzenie Inspiracje Wprowadzenie ACS idea 1 Zaczynamy z pustym rozwiązaniem początkowym 2 Dzielimy problem na komponenty (przedmiot do zabrania,
Bardziej szczegółowoOpis procesu ratingów wewnętrznych
Opis procesu ratingów wewnętrznych Rządy i banki centralne Klasa ekspozycji podlegająca stałemu wyłączeniu z metody IRB Instytucje Klasa ekspozycji podlegająca stałemu wyłączeniu z metody IRB Przedsiębiorcy,
Bardziej szczegółowoMARKETING INTERNETOWY WPROWADZENIE
SZKOLENIE DEDYKOWANE BROSZURA INFORMACYJNA MARKETING INTERNETOWY WPROWADZENIE Poznasz potęgę marketingu internetowego i jego miejsce wśród innych obszarów komunikacji marketingowej. Dowiesz się kim są
Bardziej szczegółowoSzczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć)
Szczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć) 1. Populacja generalna a losowa próba, parametr rozkładu cechy a jego ocena z losowej próby, miary opisu statystycznego
Bardziej szczegółowoNiestacjonarne zmienne czasowe własności i testowanie
Materiał dla studentów Niestacjonarne zmienne czasowe własności i testowanie (studium przypadku) Część 3: Przykłady testowania niestacjonarności Nazwa przedmiotu: ekonometria finansowa I (22204), analiza
Bardziej szczegółowoAlgorytmy genetyczne w interpolacji wielomianowej
Algorytmy genetyczne w interpolacji wielomianowej (seminarium robocze) Seminarium Metod Inteligencji Obliczeniowej Warszawa 22 II 2006 mgr inż. Marcin Borkowski Plan: Przypomnienie algorytmu niszowego
Bardziej szczegółowoOFERTA REKLAMY ADWORDS
OFERTA REKLAMY ADWORDS ZACZNIJ REKLAMOWAĆ SIĘ W GOOGLE Daj się znaleźć potencjalnym klientom dokładnie w momencie, gdy szukają w Google oferty takiej jak Twoja. Zapłacisz tylko wtedy, gdy klikną reklamę
Bardziej szczegółowoCASE STUDY SUKCES KAMPANII NAPĘDZANEJ DANYMI DLA MARKI RAINBOW
CASE STUDY SUKCES KAMPANII NAPĘDZANEJ DANYMI DLA MARKI RAINBOW www.hitspot.media 1 Kluczem do sukcesu w kampanii dla marki Rainbow było zrozumienie potrzeb klienta i stworzenie mechanizmu umożliwiającego
Bardziej szczegółowoAnaliza danych. http://zajecia.jakubw.pl/ TEMATYKA PRZEDMIOTU
Analiza danych Wstęp Jakub Wróblewski jakubw@pjwstk.edu.pl http://zajecia.jakubw.pl/ TEMATYKA PRZEDMIOTU Różne aspekty analizy danych Reprezentacja graficzna danych Metody statystyczne: estymacja parametrów
Bardziej szczegółowoSEDNO PERSONALIZACJA 1:1 TO KLUCZ DO SKUTECZNEJ KOMUNIKACJI. 2
www.hitspot.media 1 SEDNO PERSONALIZACJA 1:1 TO KLUCZ DO SKUTECZNEJ KOMUNIKACJI www.hitspot.media 2 LICZBY MÓWIĄ SAME ZA 41% WZROSTU współczynnika konwersji w stosunku do klasycznych kampanii remarketingu
Bardziej szczegółowoInteraktywne media wprowadzenie do warsztatów 13.10.2007. Zbigniew Krzewiński krzew@man.poznan.pl
Interaktywne media wprowadzenie do warsztatów 13.10.2007 Zbigniew Krzewiński krzew@man.poznan.pl Plan prezentacji 1. Istota interakcji 2. Telewizja interaktywna 3. Konwergencja mediów elektronicznych 4.
Bardziej szczegółowoPODYPLOMOWE STUDIA ZAAWANSOWANE METODY ANALIZY DANYCH I DATA MINING W BIZNESIE
UNIWERSYTET WARMIŃSKO-MAZURSKI W OLSZTYNIE PODYPLOMOWE STUDIA ZAAWANSOWANE METODY ANALIZY DANYCH I DATA MINING W BIZNESIE http://matman.uwm.edu.pl/psi e-mail: psi@matman.uwm.edu.pl ul. Słoneczna 54 10-561
Bardziej szczegółowoFORECASTING THE DISTRIBUTION OF AMOUNT OF UNEMPLOYED BY THE REGIONS
FOLIA UNIVERSITATIS AGRICULTURAE STETINENSIS Folia Univ. Agric. Stetin. 007, Oeconomica 54 (47), 73 80 Mateusz GOC PROGNOZOWANIE ROZKŁADÓW LICZBY BEZROBOTNYCH WEDŁUG MIAST I POWIATÓW FORECASTING THE DISTRIBUTION
Bardziej szczegółowoInteligencja obliczeniowa
Ćwiczenie nr 3 Zbiory rozmyte logika rozmyta Sterowniki wielowejściowe i wielowyjściowe, relacje rozmyte, sposoby zapisu reguł, aproksymacja funkcji przy użyciu reguł rozmytych, charakterystyki przejściowe
Bardziej szczegółowoWykład 9: Markov Chain Monte Carlo
RAP 412 17.12.2008 Wykład 9: Markov Chain Monte Carlo Wykładowca: Andrzej Ruciński Pisarz: Ewelina Rychlińska i Wojciech Wawrzyniak Wstęp W tej części wykładu zajmiemy się zastosowaniami łańcuchów Markowa
Bardziej szczegółowo