ব্যবসায় বৃদ্ধির চালকদের কীভাবে চিহ্নিত করা যায় সে সম্পর্কে আমার পূর্ববর্তী নিবন্ধের ফলো-আপ হিসাবে, আমি এখন খরগোশের গর্তের আরও নীচে যেতে চাই এবং তারপরে আপনি কীভাবে বৃদ্ধির উদ্যোগের প্রভাব পরিমাপ করতে পারেন তা দেখতে চাই। আমি পণ্য আপডেট, PR, এবং গ্রাহক বৃদ্ধি, ধরে রাখার মেট্রিক্স এবং ব্যস্ততার উপর বিপণন প্রচারাভিযানের মতো ক্রিয়াগুলির প্রভাব মূল্যায়নের জন্য কিছু সরঞ্জাম সরবরাহ করব। এটি একজন পরিসংখ্যানবিদ হিসাবে আমার আগের কাজের প্রতিফলনকে প্রতিনিধিত্ব করে, কোম্পানিগুলিকে তাদের ট্রেড করা সিকিউরিটিজের প্রতিক্রিয়ার মাধ্যমে তাদের অভ্যন্তরীণ এবং বাহ্যিক ঘটনাগুলির মূল্যায়নের উপর প্রভাব মূল্যায়ন করতে সহায়তা করে৷
আমি বিশ্বাস করি যে পরিসংখ্যানগত প্রভাবের সরঞ্জামগুলি, হেজ ফান্ড এবং ওয়াল স্ট্রিট বিশ্বে আরও সাধারণ, প্রযুক্তি সংস্থাগুলিকে বর্তমানে যেভাবে প্রয়োগ করা হয় তার চেয়ে বৃদ্ধি পরিচালনার জন্য অনেক বেশি ব্যবহার করতে পারে৷ প্রযুক্তির কারণে ব্যবহারকারী বা ক্লায়েন্টের আচরণে আমাদের কাছে উচ্চ-ফ্রিকোয়েন্সি তথ্যের একটি পরিসর পাওয়া যায়, একজন দক্ষ পরিসংখ্যান বা ডেটা বিশ্লেষক বাণিজ্যিক দলগুলির মধ্যে একটি প্রকৃত সম্পদ হতে পারে।
মূল্যায়নের উপর পরিসংখ্যানগত প্রভাব পরিমাপের উদাহরণ হিসাবে, ধরা যাক যে একটি সর্বজনীনভাবে ব্যবসা করা কোম্পানি একটি নতুন পণ্য ঘোষণা করে এবং এটি তার মূল্যায়নকে কতটা প্রভাবিত করেছে তা জানতে চায়। প্রকৃত প্রভাব অনুমান করার জন্য অ্যাকাউন্টিং প্রয়োজন:
একটি প্রাইভেট কোম্পানীর জন্য, সক্রিয় ব্যবহারকারী বা ক্লায়েন্টদের পরিবর্তনের উপর একই বিশ্লেষণ করা যেতে পারে, স্বল্প এবং দীর্ঘমেয়াদী উভয় ক্ষেত্রেই, যা স্টক মূল্যের কার্যকলাপের ফলাফল হিসাবে কাজ করে। এটি ধারণ এবং ব্যস্ততার মেট্রিক্সের গভীরতার ক্ষেত্রেও প্রযোজ্য৷
বিশ্লেষণের এই বৃত্তাকার ফর্মটি প্রতিষ্ঠা করা কোম্পানিগুলিকে তাদের সীমিত সংস্থানগুলিকে আরও শক্তিশালী তথ্য সংকেতের উপর ভিত্তি করে নির্দেশিত করতে দেয়, বাজার বা ব্যবহারকারীর প্রতিক্রিয়া যা আসলে এলোমেলো ওঠানামা ছাড়া আর কিছুই উপস্থাপন করে না বলে মনে হতে পারে তার দ্বারা বিপথগামী হওয়ার পরিবর্তে৷ পরিসংখ্যানগত মডেল সেট আপ করার প্রাথমিক কাজ যা গোলমাল থেকে সংকেতকে আলাদা করে তা একটি কোম্পানির বৃদ্ধির প্রচেষ্টার অন্তর্দৃষ্টির মাধ্যমে অসাধারণ লভ্যাংশ প্রদান করতে পারে। এটি একটি পুনরাবৃত্তিমূলক প্রক্রিয়া যা সহজেই (এবং প্রায়শই স্বয়ংক্রিয়ভাবে) আপডেট করা যায় এবং নতুন ডেটা প্রাপ্তির সাথে সাথে পরিমার্জিত হয়৷
একটি কোম্পানীর দ্বারা পরিমাপের যেকোন প্রচেষ্টায় বৃদ্ধির নিম্নলিখিত মাত্রাগুলির মধ্যে অন্তত একটিকে লক্ষ্য করা উচিত:
তিনটি মাত্রাই পরিমাপযোগ্য, এবং কোম্পানি এই তিনটি বিন্দু দ্বারা গঠিত ত্রিভুজের ক্ষেত্রফল হিসেবে এর মানকে ধারণা করতে পারে। যদি একটি ভেঙ্গে যায়, তবে অন্য দুটির থেকে সম্ভাব্য মান মারাত্মকভাবে সীমাবদ্ধ। যদিও আমি নিশ্চিতভাবে অনেক প্রতিষ্ঠাতা এবং বিনিয়োগকারীদের সাথে একমত যে "কয়েক জন ব্যবহারকারী যারা আপনাকে ভালোবাসে তারা আপনাকে পছন্দ করে এমন অনেকের চেয়ে ভাল," আমি বিশ্বাস করি না যে এটি শক্তিশালী ব্যস্ততা এবং ধরে রাখার পাশাপাশি শীর্ষ-লাইন বৃদ্ধির গুরুত্বের বিরোধিতা করে। ট্র্যাজেক্টোরিটি স্তরের চেয়ে অনেক বেশি গুরুত্বপূর্ণ, এবং সত্যিকারের নিবেদিত ব্যবহারকারীদের একটি ছোট গোষ্ঠীর সাথে শুরু করা সর্বোত্তমভাবে দীর্ঘমেয়াদী বৃদ্ধির প্রাথমিক শর্তগুলিকে প্রথম স্থানে সেট করে।
কোম্পানির জন্য মূল কাজ হল বিশ্লেষণাত্মক কাঠামো স্থাপন করা যা এই তিনটি মূল মেট্রিকের এক বা একাধিক উপর তাদের ক্রিয়াগুলির প্রকৃত প্রভাব পরিমাপ করার অনুমতি দেয়। কোম্পানি হয় প্রতিটির জন্য আলাদা আলাদা মডেল পরীক্ষা করতে পারে বা তাদের আরও সরাসরি লিঙ্ক করতে যুগপত সমীকরণের মতো টুল ব্যবহার করতে পারে। বিপণন এবং জনসংযোগ প্রচেষ্টা, আমার অভিজ্ঞতায়, কোম্পানিটি তার বিনিয়োগের উপর রিটার্ন পাচ্ছে কিনা তা নিয়ে কঠোর বিশ্লেষণের অভাবের কারণে বিশেষভাবে ক্ষতিগ্রস্ত হয়। নির্দিষ্ট কিছু মেট্রিক্স, যেমন মোট ভিউ, ক্লিক এবং শেয়ার, প্রায় সবসময় রেকর্ড করা হয়, কিন্তু এগুলি সবই শেষ হওয়ার উপায় এবং গ্রাহকের রূপান্তর এবং ব্যস্ততার উপর প্রভাবগুলির পরবর্তী প্রশ্নগুলি খুব কমই গুরুতর বিশ্লেষণ দেওয়া হয়৷
আমরা একটি এককালীন ইভেন্টের সরলীকৃত সংস্করণ দিয়ে শুরু করি। ধরা যাক একটি কোম্পানি একটি নতুন পণ্য আপডেট প্রকাশ করে বা 0 দিনে একটি বড় PR গল্প প্রকাশ করে এবং জানতে চায় যে এটি বৃদ্ধির উপর প্রভাবের পরিপ্রেক্ষিতে সঠিক দিকের একটি পদক্ষেপের প্রতিনিধিত্ব করে কিনা। কোম্পানীর অনুরূপ প্রচেষ্টা চালিয়ে যাওয়া উচিত এমন একটি বাস্তব সংকেত পাওয়া গেছে কিনা তা নির্ধারণের জন্য এটি কতটা বৃদ্ধি পেয়েছে, বনাম কতটা হবে তা জানা প্রয়োজন, প্রশ্নে থাকা ঘটনাটি অনুপস্থিত৷
বেঞ্চমার্কের বৃদ্ধি একটি রিগ্রেশন মডেলের মাধ্যমে অনুমান করা যেতে পারে যা বাহ্যিক এবং অভ্যন্তরীণ ভেরিয়েবলের উপর ভিত্তি করে কোম্পানির বৃদ্ধি, ধারণ বা ব্যস্ততার পূর্বাভাস দেয়। কিছু ক্ষেত্রে, পণ্য আপডেট দ্বারা প্রভাবিত সেই ব্যবহারকারীদের বিচ্ছিন্ন করার ক্ষমতা একটি নিয়ন্ত্রণ গোষ্ঠীর সাথে সরাসরি A/B পরীক্ষার অনুমতি দেয়। তবে এটি বড় আকারের পণ্য, PR এবং ব্যবসায়িক প্রচেষ্টার ক্ষেত্রে নয় যা সমস্ত বর্তমান এবং সম্ভাব্য ব্যবহারকারীদের কিছুটা সমানভাবে প্রভাবিত করে। যদিও এই ধরনের পরীক্ষার জন্য কিছু চমৎকার রিসোর্স পাওয়া যায়, অনেক প্রারম্ভিক-পর্যায়ের কোম্পানি সেগুলোকে ব্যয়বহুল খুঁজে পেতে পারে।
এই মডেলের জন্য বিবেচনা করা যেতে পারে এমন ভেরিয়েবলগুলির মধ্যে রয়েছে:
| সেক্টরের প্রবণতা |
|
|---|---|
| লক্ষ্যযুক্ত গ্রাহক প্রবণতা |
|
| S&P 500 প্লাস অতিরিক্ত সেক্টর-প্রাসঙ্গিক উপ-সূচকগুলি |
|
| ম্যাক্রো ভেরিয়েবল যেমন সুদের হার এবং বিনিময় হার |
|
| অভ্যন্তরীণ ড্রাইভার যেমন রেফারেল রেট |
|
| ঋতুগততা/চক্রীয়তা |
|
শতাংশের পরিবর্তে লগারিদম ব্যবহার করে সমস্ত ভেরিয়েবলকে পরম স্তরের পরিবর্তে পরিবর্তনের হার হিসাবে নির্দিষ্ট করা উচিত।
প্রতিটি ভেরিয়েবলের জন্য সময় ফ্রেম একইভাবে সাবধানে বিবেচনা করা প্রয়োজন। কিছু ভেরিয়েবল অগ্রগণ্য (উদাহরণস্বরূপ স্টক মার্কেট ব্যাপকভাবে প্রত্যাশার উপর ভিত্তি করে), যখন অন্যান্য যেমন ব্যবহারকারীর সন্তুষ্টি রেটিং অতীত অভিজ্ঞতার উপর ভিত্তি করে তবে অবশ্যই প্রত্যাশিত বৃদ্ধির জন্য প্রাসঙ্গিকতা বহন করতে পারে।
রিগ্রেশনের জন্য, আমি সাধারণ ন্যূনতম স্কোয়ার (OLS) দিয়ে শুরু করার এবং তারপর শুধুমাত্র নির্দিষ্ট কারণে অন্যান্য কার্যকরী ফর্মগুলিতে যাওয়ার পরামর্শ দিই। OLS বহুমুখী এবং একইভাবে অন্যান্য আরও জটিল ফর্মের তুলনায় ফলাফলের আরও সরাসরি ব্যাখ্যা করার অনুমতি দেয়। OLS-এর পরিপ্রেক্ষিতে পরিবর্তনগুলি অরৈখিক ভেরিয়েবলের জন্য লগারিদমিক রিগ্রেশন, ইন্টারঅ্যাকশন ভেরিয়েবল (উদাহরণস্বরূপ, সম্ভবত বর্তমান গ্রাহক সন্তুষ্টি এবং সোশ্যাল মিডিয়া অ্যাক্টিভিটি), এবং স্কোয়ারিং ভেরিয়েবলগুলি অন্তর্ভুক্ত করবে যা আপনি বিশ্বাস করেন যে বৃহত্তর মানগুলিতে অসামঞ্জস্যপূর্ণ প্রভাব রয়েছে৷ যেহেতু বৃদ্ধি আশা করা যায় সূচকীয়, লগারিদমিক রিগ্রেশন অবশ্যই একটি শক্তিশালী ফিট প্রমাণ করতে পারে।
অ্যাকশনের প্রভাবের সময় দিগন্তের বিষয়ে, আপনার ব্যবহারকারীদের অ্যাকশন বা ক্রয়ের ফ্রিকোয়েন্সি বিবেচনা করতে ভুলবেন না যাতে আপনি প্রভাবের জন্য সঠিক ব্যবধান নির্ধারণ করতে পারেন। এক দিনের বেশি সময়সীমা ব্যবহার করার সময়, মনে রাখবেন যে সাপ্তাহিক সক্রিয় ব্যবহারকারীরা সেই সপ্তাহে দৈনিক সক্রিয় ব্যবহারকারীদের যোগফল নয়। আমি যদি সেই সপ্তাহে প্রতিদিন আপনার পণ্য সক্রিয়ভাবে ব্যবহার করি, তাহলে প্রতিদিনের বিশ্লেষণের জন্য আমাকে প্রতিদিন গণনা করা হবে। তারপর যদি আপনি একটি সাপ্তাহিক বিশ্লেষণে পরিবর্তন করেন, তবে আমার শুধুমাত্র একবার দেখা উচিত এবং তাই পৃথক দিনগুলিকে অতিরিক্ত গণনা করা হবে৷
এই মডেলটি আপনাকে এই ব্যাখ্যামূলক ভেরিয়েবলের কর্মক্ষমতার উপর ভিত্তি করে যে কোনো নির্দিষ্ট মুহূর্ত বা চলমান সময়ের জন্য প্রত্যাশিত বৃদ্ধি/ধারণ/নিয়োগ অনুমান করতে দেয়। এই প্রত্যাশিত বৃদ্ধি এবং ঘটনার পরে পরিলক্ষিত প্রকৃত বৃদ্ধির মধ্যে পার্থক্য হল অস্বাভাবিক অংশ যা প্রভাব নির্দেশ করতে পারে। এই অস্বাভাবিক বৃদ্ধিকে প্রত্যাশিত বৃদ্ধির স্ট্যান্ডার্ড বিচ্যুতি দ্বারা ভাগ করলে অস্বাভাবিক উপাদানটি ঘটনাক্রমে ঘটার কতটা সম্ভাবনা ছিল তা নির্দেশ করে। সাধারণত, 1.96 এর ফলাফল (আনুমানিক দুটি মান বিচ্যুতি পূর্বাভাসিত মান থেকে দূরে) কাট-অফ হিসাবে ব্যবহার করা হয় মনে করার জন্য যে এটি ঘটনাক্রমে ঘটেনি।
সমগোত্রীয়দের প্রেক্ষাপটে, ধরে রাখা এবং এনগেজমেন্টকে হয় ক্রমাগত কোহোর্ট জুড়ে পরিবর্তনের পরিপ্রেক্ষিতে বিবেচনা করা যেতে পারে (অন্য কথায়, প্রতিটি গোষ্ঠীর জন্য স্থির মান ধরে রাখা), অথবা মোট ধারণ এবং এনগেজমেন্টের সময়ের পরিবর্তন, এটিকে ভেঙ্গে না দিয়ে সমগোত্রীয়।
বৃদ্ধির কৌশলগুলি প্রায়শই এক-কালীন প্রচেষ্টার পরিবর্তে একাধিক ইভেন্টের ক্রম মোতায়েন করার একটি বিন্দু তৈরি করে, একাধিক প্রচেষ্টা থাকার আরও তাৎক্ষণিক প্রভাব এবং গ্রাহকদের প্যাটার্নটি দেখানোর অন্তর্নিহিত প্রভাব উভয়ের জন্য। প্রভাব বিশ্লেষণ তাই ক্রমবর্ধমান প্রভাবের দিকেও নজর দিতে পারে। স্বতন্ত্রভাবে তুচ্ছ ইভেন্টগুলির একটি ক্রম একটি উল্লেখযোগ্য ক্রমবর্ধমান প্রভাব ফেলতে পারে, এবং বিপরীতভাবে উল্লেখযোগ্য ইভেন্টগুলির একটি ক্রম তুচ্ছতাকে প্রকাশ করতে পারে৷
প্রথম পরিস্থিতিটিকে "ধীরে এবং স্থিরভাবে দৌড়ে জয়লাভ করে" হিসাবে ভাবা যেতে পারে। ধরা যাক আপনার বিক্রয় আপনার প্রাসঙ্গিক সেক্টরের তুলনায় প্রতি সপ্তাহে এক শতাংশের একটি ভগ্নাংশে বৃদ্ধি পায়। অল্প সময়ের মধ্যে এর অর্থ কিছুই হবে না, কারণ যেকোনও কোম্পানির বৃদ্ধি দৈবক্রমে বেঞ্চমার্ক থেকে কিছুটা আলাদা হবে। যদিও আপনার সামান্য ওভার-পারফরম্যান্স দীর্ঘকাল ধরে চলতে থাকে, তবে শেষ পর্যন্ত আপনি আত্মবিশ্বাসের সাথে বলতে পারেন যে কোম্পানির বৃদ্ধির হার সত্যিই বাজারের চেয়ে বেশি।
দ্বিতীয় পরিস্থিতি মূলত যে কোনো ধরনের বিপরীতমুখী। ক্রমবর্ধমান উচ্চ-ফ্রিকোয়েন্সি মানে যার মাধ্যমে লোকেরা সত্যিকারের তথ্য প্রক্রিয়াকরণের আগে বিকাশের প্রতি প্রতিক্রিয়া জানাতে পারে, সেইসাথে স্বল্পমেয়াদী পশুর মানসিকতা, এটি নিশ্চিত করার চ্যালেঞ্জ নিয়ে আসে যে আপনি আরও তাৎক্ষণিক শব্দের মাধ্যমে প্রতিক্রিয়াটির প্রকৃত মাত্রা এবং সময়কাল বিবেচনা করেন। নির্দিষ্ট পরিস্থিতিতে, ব্যবহারকারী এবং বাজারগুলি স্বল্পমেয়াদে পদ্ধতিগতভাবে অতিরিক্ত প্রতিক্রিয়া দেখাতে পারে (নতুন প্রযুক্তি, মুদ্রা বাজার এবং প্রায়শই খারাপ খবর যা একটি কোম্পানির জন্য গুরুতর হুমকির প্রতিনিধিত্ব করে না) কিন্তু পরে নিজেদের সংশোধন করে। পি>
দুটি পরিস্থিতি নিম্নরূপ চিত্রিত করা যেতে পারে। আত্মবিশ্বাসের ব্যবধান সেই সীমাকে নির্দেশ করে যার মধ্যে আমরা 95% পর্যবেক্ষণগুলি পড়ে যাওয়ার আশা করতে পারি, যা সাধারণত পরিসংখ্যানগতভাবে গুরুত্বপূর্ণ কিছু মনে করার জন্য থ্রেশহোল্ড হিসাবে ব্যবহৃত হয়।
একটি উল্লেখযোগ্য বিপরীত অনুপস্থিতি দীর্ঘস্থায়ী প্রভাবের প্রমাণ হিসাবে নেওয়া যেতে পারে। এই যুক্তির সাথে একজনকে অবশ্যই সতর্ক থাকতে হবে কারণ এটি অভিজ্ঞতামূলক সংশয়বাদের স্বাভাবিক নিয়মের বিপরীতে চলে যে প্রমাণের অনুপস্থিতি অনুপস্থিতির প্রমাণ নয়, তবে এটি আমাদের পক্ষে করা সেরা।
পৃথক সময়ের মধ্যে শতাংশ/লগারিদমিক পরিবর্তনের তুলনা করার সময় সতর্ক থাকুন। 99% এর হ্রাস এবং 99% বৃদ্ধির পরে একটি নগণ্য ক্রমবর্ধমান পরিবর্তনের জন্য সঠিকভাবে নেট আউট করা হয় না। শেষ পর্যন্ত ক্রমবর্ধমান পরিবর্তন বিবেচনা করতে ভুলবেন না।
আপনি যদি সীমিত সময়ের মধ্যে (অর্থাৎ, ছুটির মরসুম) একটি নির্দিষ্ট পিআর প্রচারণার মতো ধারাবাহিক ইভেন্টের ক্রমবর্ধমান প্রভাব পরিমাপ করেন, তাহলে আপনি সময়সীমার মধ্যে অন্তর্ভুক্ত সমস্ত ক্যালেন্ডার দিন বা সপ্তাহগুলিতে বৃদ্ধি ট্র্যাক করতে চাইতে পারেন , প্রত্যেকের একটি নির্দিষ্ট পদক্ষেপ নেওয়া হয়েছে কিনা। আপনি এখনও আশা করছেন যে 1-2-3 পাঞ্চ একটি নির্দিষ্ট সময়ের মধ্যে একটি নকআউট প্রদান করে, যদিও হিটগুলির মধ্যে সামান্য বিলম্ব হতে পারে।
যদি প্রশ্নে থাকা ঘটনাগুলি আরও আলাদা হয় কিন্তু আপনি এখনও ক্রমবর্ধমান প্রভাবের মূল্যায়ন করতে চান, তাহলে আপনি সেগুলিকে দিনের একটি একক ধারাবাহিক সিরিজে একত্রিত করার এবং তারপরে একই বিশ্লেষণ চালানোর কথা বিবেচনা করতে পারেন। এতে, আপনি মূলত বলছেন "দিন 1 হল 5 জানুয়ারী, দিন 2 হল 15 মার্চ, দিন 3 হল এপ্রিল 10...") এবং তাদের ক্রমবর্ধমান পরিবর্তনের পরীক্ষা করছেন বনাম যা বেঞ্চমার্ক দ্বারা ভবিষ্যদ্বাণী করা হয়েছে যেন তারা আসলে সম্পূর্ণ ক্রমিক তারিখ। তাত্পর্য পরীক্ষা করা তখন একবচন ইভেন্টের মতো একই সূত্র, এটি ব্যতীত যে ক্রমবর্ধমান সময়কাল গঠন করে এমন দিন/সপ্তাহের সংখ্যার বর্গমূলে প্রমিত বিচ্যুতি বাড়ানো।
বিশ্ব আমাদের ধারণা পরীক্ষা করার জন্য নিখুঁত পরীক্ষাগারের অবস্থার সৌজন্যে খুব কমই দেয়, তাই একবার মূল মডেলটি প্রতিষ্ঠিত হয়ে গেলে, এটিকে সম্ভবত অন্যান্য তথ্যের জন্য নিয়ন্ত্রণ করতে হবে যা আমাদের ক্রিয়াকলাপগুলির সাথে একই সময়ে প্রত্যাশিত বৃদ্ধির হারকে প্রভাবিত করে। পরিমাপ করতে চাই।
ধরা যাক যে একই সময়ে একটি PR ইভেন্ট বা পণ্য আপডেটের সময়, একজন শীর্ষ নির্বাহী দুর্ভাগ্যবশত প্রেস থেকে অনেক ধুমধামের মধ্যে একজন প্রতিযোগীর জন্য চলে যাওয়ার সিদ্ধান্ত নেন এবং আপনি উদ্বিগ্ন হয়ে পড়েন যে কিছু ব্যবহারকারী এটিকে এর আপেক্ষিক যোগ্যতার সংকেত হিসাবে নিতে পারে। দুটি পণ্য। দুর্ভাগ্যবশত একটি খুব দ্রুত সমাধান হ'ল ডেটা পয়েন্টটিকে একটি বিভ্রান্তিকর সম্পর্কহীন ইভেন্ট হিসাবে চিহ্নিত করা, একটি সূচক পরিবর্তনশীল সহ৷
যাইহোক, যদি আপনি "বিভ্রান্তিকর" ইভেন্টের পূর্ববর্তী দৃষ্টান্তগুলির তথ্য পেতে পারেন, তাহলে আপনি একটি ক্রস-বিভাগীয় বিশ্লেষণ পরিচালনা করতে পারেন যা আপনাকে অনুরূপ পরিস্থিতিতে সেই নির্দিষ্ট ইভেন্টের কতটা প্রভাব ফেলতে পারে তা অনুমান করতে দেয় এবং আপনি অপসারণ করতে পারেন যে চূড়ান্ত ফলাফল থেকে প্রত্যাশিত প্রভাব. উপরের উদাহরণে, অন্যান্য কোম্পানিতে হাই-প্রোফাইল দলের সদস্যদের প্রস্থানের আশেপাশে ব্যবহারকারীর কার্যকলাপের ডেটা আপনাকে সেই নির্দিষ্ট ফ্যাক্টরের প্রভাব অনুমান করতে এবং আলাদা করার অনুমতি দেবে যাতে আপনি PR ইভেন্ট বা পণ্য আপডেটের প্রভাবকে আলাদা করতে চান যা আপনি আশা করেছিলেন। মূল্যায়ন করুন।
অনেক কোম্পানি বছরের সময় বা ছুটির মতো কিছু গুরুত্বপূর্ণ মুহুর্তের উপর ভিত্তি করে মৌসুমীতার সম্মুখীন হতে পারে। এটি নিয়ন্ত্রণ করার জন্য বছরের সময়ের জন্য নির্দেশক ভেরিয়েবল বরাদ্দ করুন।
আপনি যখন আপনার বিশ্লেষণের ফলাফল এবং বৃদ্ধির প্রচেষ্টার কৌশলগুলি বিবেচনা করেন, তখন ইতিবাচক উন্নয়নের প্রতি মানুষের প্রতিক্রিয়া কীভাবে নথিভুক্ত করা হয়েছে তার কিছু অরৈখিক প্রভাবগুলি মনে রাখা উচিত৷
আপ-বনাম ডাউন-সংবেদনশীলতা খুব আলাদা হতে পারে। তথ্য এবং সময় অনুমতি, উভয় ইতিবাচক এবং নেতিবাচক ইভেন্টের প্রত্যাশিত প্রভাব অনুমান বিবেচনা করুন, যদি উভয়ই আপনার জন্য প্রাসঙ্গিক হয়। দুর্ভাগ্যবশত, ব্যবহারকারীর আচরণ থেকে শুরু করে আর্থিক বাজার পর্যন্ত অনেক ক্ষেত্রে নিম্নগামী আন্দোলন ঊর্ধ্বমুখী গতিবিধির চেয়ে অনেক বেশি আকস্মিক এবং গুরুতর হতে পারে।
একযোগে একাধিক ক্রিয়া সম্পাদনের সম্মিলিত প্রভাব ক্রমানুসারে সম্পাদন করার সমান নাও হতে পারে কারণ চলমান প্যাটার্নের সত্যই ইতিবাচক বা নেতিবাচক প্রভাব ফেলতে পারে। একটি কোম্পানি প্রতি মাসে একটি পণ্য আপডেট প্রকাশ করে এমন প্যাটার্ন ব্যবহারকারীদের মধ্যে আস্থা জাগাতে পারে যখন নেতিবাচক ইভেন্টগুলি যেমন ছাঁটাই বা লেখা-ডাউনের মতো একাধিকবার ঘোষণা করে তা একটি ব্যাপকভাবে অসামঞ্জস্যপূর্ণ প্রভাব ফেলতে পারে এই উদ্বেগ সৃষ্টি করে যে কোম্পানিটি সম্পূর্ণরূপে তার নিজস্ব বুঝতে পারে না। অবস্থা. পাবলিকলি ট্রেড করা কোম্পানিগুলি প্রায়ই "স্নান করে" এবং সমস্ত খারাপ খবর একবারে প্রকাশ করে, কারণ খারাপ খবরের সত্যতা থেকেই একটি প্রাথমিক "স্থির" আঘাত হতে পারে, পরবর্তীতে একটি প্রান্তিক প্রভাব সহ। উদাহরণস্বরূপ, "টর্পেডো প্রভাব", অভিজ্ঞতামূলক ঘটনা বর্ণনা করে যে খারাপ সংবাদের উপস্থিতি মূল্য হ্রাসের একটি অর্থপূর্ণ অংশের জন্য দায়ী হতে পারে। তাই নেতিবাচক ড্রপগুলিকে একটি প্রাথমিক স্থির প্রভাবে বিভক্ত করা যেতে পারে যা সংবাদ বা বিকাশের প্রকৃত বিষয়বস্তু থেকে একটি হ্রাসকারী প্রান্তিক প্রভাবের পথ দেয়। PR প্রচারাভিযানগুলি একটি একক মেগা-ইভেন্টের চেয়ে একটি ক্রম হিসাবে ভাল কাজ করে, কারণ লক্ষ্য হল সময়ের সাথে কোম্পানির অবস্থান।
বৈচিত্র অবশ্যই শুধুমাত্র ঐতিহাসিকভাবে পরিমাপ করা যেতে পারে, তবে কিছু ঘটনা অন্তর্নিহিত প্রকৃত বৈচিত্র্য এবং সম্ভাবনাকে পরিবর্তন করতে পারে যে অস্বাভাবিক বৃদ্ধি ঘটনাক্রমে ঘটেছিল। যেহেতু নতুন বৈচিত্রটি নিজেই প্রশ্নে থাকা ইভেন্টের ফলাফল, তাই এর সাথে আসা বৃহত্তর বৈচিত্রের উপর ভিত্তি করে ইভেন্টের তাৎপর্য খারিজ করার সার্কুলার যুক্তি এড়াতে পূর্বের বৈচিত্রটি ব্যবহার করা উচিত। যাইহোক, বরাবরের মত, বিতর্ক আছে এবং প্রতিটি পরিস্থিতি আলাদা হতে পারে।
পূর্বে উল্লিখিত হিসাবে, বৃদ্ধি বা প্রবৃদ্ধিতে মন্থর উভয়ই কিছু সময়ের জন্য একই রকম প্রভাব ফেলতে পারে, মানব মনোবিজ্ঞান এবং খুব বাস্তব বাজার কাঠামো উভয়ের কারণে। যদিও গতির প্রভাব পরিমাপের জন্য বিভিন্ন অভিনব স্বয়ংক্রিয় সম্পর্ক পরীক্ষা উপলব্ধ রয়েছে, আমি আরও স্বচ্ছ এবং পরীক্ষা করা সহজ হওয়ার জন্য নিজের একটি পিছিয়ে থাকা সংস্করণে গ্রোথ সিরিজ রিগ্রেস করার আরও "ম্যানুয়াল" পদ্ধতি খুঁজে পাই।
একবার যে মডেলটি এই ধরনের পরীক্ষার জন্য অনুমতি দেয় তা তৈরি হয়ে গেলে, ব্যবহারকারীর আচরণ, বিক্রয় ইত্যাদি ট্র্যাক করার জন্য কোম্পানির প্ল্যাটফর্মগুলিকে নতুন ডেটা পাওয়ার সাথে সাথে ক্রমাগত সহগ আপডেট করার জন্য তার কোডের সাথে সরাসরি লিঙ্ক করা যাবে না এমন কোন কারণ নেই। আমার ব্যক্তিগত পছন্দ সর্বদা সম্ভব হলে একটি রোলিং এক বছরের আনুমানিক সময়কাল থাকে, যাতে এটি সাম্প্রতিক তথ্যের উচ্চ মূল্যের সাথে ডেটাসেটের আকারের ভারসাম্য বজায় রাখে এবং ঋতুর ক্ষেত্রে স্বাভাবিকভাবেই বছরের সমস্ত সময় অন্তর্ভুক্ত করে৷
ব্যবসা এবং পণ্যের প্রকৃতিতে কোনও কাঠামোগত বিরতি নেই বলে ধরে নিলে, অনুমানের সময়কাল এক বছরের বেশি না বাড়ানোর কোনও কারণ নেই, তবে তরুণ দ্রুত বর্ধনশীল কোম্পানিগুলি দ্রুত বিকশিত হতে থাকে। সফ্টওয়্যার-চালিত সংস্থাগুলি তাদের গিটহাবের সাথে সরাসরি লিঙ্ক করতে পারে এমন প্রক্রিয়া তৈরি করতে যার মাধ্যমে সফ্টওয়্যার আপডেটগুলি স্বয়ংক্রিয়ভাবে প্রভাবের জন্য পরীক্ষা করা হয়। এই সরাসরি লিঙ্ক তৈরি করে এবং ফাংশনগুলিকে স্বয়ংক্রিয়ভাবে বিকশিত হওয়ার অনুমতি দিয়ে, আপনি আপনার কোম্পানির জন্য মেশিন লার্নিং স্থাপনের দিকে প্রথম পদক্ষেপ নিয়েছেন৷
এটি প্রায়শই নির্দেশ করা হয় যে কীভাবে তথ্য বিশ্বের সবচেয়ে মূল্যবান পণ্য, তবে এটি প্রায়ই উল্লেখ করা হয় যে ডেটা তথ্য নয়। বিপরীতে, কোম্পানিগুলি এত বেশি ডেটা নিয়ে অভিভূত হয় যা প্রতিযোগী আখ্যানগুলি বলে মনে হতে পারে, যার মধ্যে অনেকগুলি এলোমেলোতার উপর ভিত্তি করে জাল প্যাটার্ন হতে পারে। পরিসংখ্যান তার সর্বোত্তমভাবে হ্রাস করার একটি প্রক্রিয়া - মূল ভেরিয়েবল এবং সম্পর্কের উপর দ্রুত সম্মান করা এবং ব্যবহারিক পরীক্ষার জন্য তাদের স্থাপন করা। সর্বোপরি বিশ্লেষণের এই রূপের স্পিরিটটি সিদ্ধান্ত নেওয়ার প্রক্রিয়ার মধ্যে সুস্থ সন্দেহবাদকে জাগিয়ে তুলছে যাতে আপনি কোনও সিদ্ধান্ত নেওয়ার আগে ডেটাকে নিজেকে বাস্তব তথ্য হিসাবে প্রমাণ করতে বাধ্য করে৷