Προβλέψεις εσόδων πελατών του Google Analytics

Abstract

Στόχος αυτής της πτυχιακής εργασίας ήταν η ανάλυση ενός συνόλου δεδομένων πελατών του Google Merchandise Store και η πρόβλεψη εσόδων ανά πελάτη αποδεικνύοντας έτσι τον κανόνα 80/20. Η συμβολή της ανάλυσης δεδομένων στην απόκτηση νέας γνώσης και στη διαδικασία λήψης αποφάσεων είναι ιδιαίτερα σημαντική. Γενικά, εάν θεωρηθεί ότι μελετάται ένα αντικείμενο ενός ευρύτερου συστήματος, τότε η ανάλυση των δεδομένων που έχουν συλλεχθεί σε συνδυασμό με την αρχική γνώση του αντικειμένου οδηγούν σε νέες γνώσεις. Ο κανόνας 80/20 ή αλλιώς Pareto θεωρήθηκε αρχικά μια μαθηματική φόρμουλα για να προβλέπει το ποσοστό των ατόμων που είχαν το υψηλότερο εισόδημα σε μια κοινωνία. Αργότερα, όταν άρχισε να εξετάζεται καλύτερα, βρέθηκε ότι μπορεί να έχει εφαρμογές παντού. Ο κανόνας 80/20 αποδεικνύεται αληθινός για πολλές επιχειρήσεις, μόνο ένα μικρό ποσοστό πελατών παράγει το μεγαλύτερο μέρος των εσόδων δείχνουν τα αποτελέσματα από τις αναλύσεις δεδομένων. Τα αποτελέσματα αυτά οδηγούν στην εξαγωγή χρήσιμων συμπερασμάτων που θα βοηθήσουν τους υπεύθυνους στη λήψη των κατάλληλων μέτρων και αποφάσεων για τη βελτίωση των επενδύσεων σε στρατηγικές προώθησης.

The purpose of this thesis was to analyze a set of Google Merchandise Store customer data and predict customer revenue thus demonstrating the 80/20 rule. The contribution of data analysis to the acquisition of new knowledge and decision- making is particularly important. Generally, if an object is considered a wider sys- tem, then the analysis of the data collected in conjunction with the object’s original knowledge leads to new knowledge. The 80/20 rule or the Pareto principle was initially considered a mathematical for- mula to predict the percentage of people who had the highest income in a society. Afterwards, when it was analyzed better, it was found that it could have applica- tions almost everywhere. The 80/20 rule is accurate for many businesses, with only a small percentage of customers generating the bulk of the revenue resulting from data analysis. These results lead to useful conclusions that will help managers to take appropriate measures and decisions to improve investment in promotional strategies.