陳擎文教學網:客戶關係管理(Customer Relationship Management,CRM)
1.CRM的定義:
是一種企業與【現有客戶及潛在客戶】之間關係互動的管理。通過對客戶資料的歷史積累和分析,CRM可以增進企業與客戶之間的關係,從而最大化【增加企業銷售收入,提高客戶留存率,滿意度,忠誠度】: ☎2.CRM在經營管理的位階與定位: 【看商業模式圖(經營模式畫布)】➜用【視覺化、結構化】方式,一目了然➜快速檢查一家企業的商業模式,在各方面是否已經準備就緒 ◉商業模式圖的九構面要素, 商業模式圖的四大導向, Uber的商業模式圖, Uber的需求導向3要素:客群CS,客戶關係CR,客群通路Channel, 純喫茶的需求導向3要素:客群CS,客戶關係CR,客群通路Channel, Uber的CRM【市場區隔, Market Segmentation】與【選擇目標客戶, Target Customer】➜都會區白領,商務人士,大學生,特殊需求者 Uber的CRM【差異性行銷】➜尊榮服務,菁英服務,動態收費 商業模式圖簡介影片, ☎3.CRM所收集的客戶數據來源: CRM會通過多個管道全方面收集客戶的相關資訊,包括:【產銷存系統、問卷調查、電子商務銷售數據、追踪並捕捉客戶在網站或APP的瀏覽行為、公司官網、電話訪談、郵件回覆、線上聊天、Line聊天室、市場行銷活動、銷售人員記錄、社群網路記錄】 ※4.分析型CRM: 根據藉由上述各種溝通管道所蒐集到的顧客資料,進而【分析顧客行為】,做【市場區隔, Market Segmentation】與【選擇目標客戶, Target Customers】,然後做【差異化行銷, Differentiated Marketing】,作為企業【決策判斷】的依據 ☎5.CRM做【市場區隔】與【選擇目標客戶】,並做【差異性行銷】的步驟: ➜(1).【市場調查和分析】:收集市場數據,分析市場需求和競爭情況 ➜(2).【選擇目標客戶市場】:根據市場潛力、競爭優勢和企業資源選擇目標市場 ➜(3).【制定營銷策略】:針對目標市場制定營銷和銷售策略 ➜(4).【實施和監控】:執行營銷策略並持續監控效果 ☎6.CRM的【市場區隔, Market Segmentation】最常用的2個方法: ➜(1).【群體細分, Group Segmentation】:根據【人口統計學特徵、購買行為、興趣愛好、地理區隔、行業區隔...】等將客戶分為不同群體,針對性地行銷和服務。 ➜(2).【RFM區隔, Recency, Frequency, Monetary】:RFM分析,可識別出高價值客戶、忠誠客戶、即將流失的客戶,並針對不同的客戶群體制定相應的營銷策略和管理計劃 ➜RFM模型, RFM應用, 7.收集數據的方法: ◉(1).傳統方法:【問卷調查析、訪談】 ◉(2).進階方法:【網站流量收集與分析(GA)、追踪客戶網頁/App上的線上瀏覽行為(GTM)】 ◉(3).最新方法:【人工智慧自動判別客戶行為後即時動態推薦商品】 ◉範例1:問卷調查【男女每週飲料花費】是否有差異?, 統計分析(平均), 結論報告, ◉範例2:問卷調查【對於洗面乳選購的在意點】是否男女會有明顯差異?, 調查數據整理, 描述統計(平均值), 檢定, 結論報告, ◉範例3:【客戶徵信調查】銀行幫客戶打【信用分數】,探討與客戶【總收入,不動產,動產,每月房貸,撫養支出】,信用分數跟哪個參數有關係?, 統計分析檢定, 結論報告, 關係線形圖, ◉選擇適當的統計檢定法, 8.量化分析數據的方法: ◉(1).傳統方法:使用【SPSS】來做數據的統計分析、 ◉(2).進階方法:使用【Python(Scipy)/R程式語言】來做數據的統計分析、 ◉(3).最新方法:使用【生成式AI(ChatGPT 4o,Gemini Pro)】來做數據的統計分析 9.CRM的主要手段與目的(成效評估):CRM的「10C」: ◉顧客資料(Customer Profile)、顧客知識(Customer Knowledge)、顧客區隔(Customer Segmentation)、客製化行銷(Customization) ◉顧客滿意度(Customer Satisfaction)、顧客保留率(維繫率,Customer Retention)、顧客贏取率(Customer Acquisition)、顧客獲利率(Customer Profitability)、顧客價值(Customer Value)、顧客的貢獻度發展(Customer Development) 10.電商的成效評估指標: ◉回客率(Back off Rate)、網站轉換率(Conversion Rate,流量轉換率=訂單數/總訪客數)、網站獲利率(Profitability Rate,淨利/成本) ≠>≧=≦< ➜ μ α,➔➜→➡↓↑←⇄⇌⟷⇈⇊⇇⇉⇆,⬅⬆⬇⮕⬈⬉⬊⬋⬌⬍⭠⭡⭢⭣⭤ ⭥ ⮂⮃ |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
【一,客戶關係管理概述(Customer Relationship Management,CRM)】 在Google雲端硬碟新增目錄:【問卷】,然後新增Goolge表單【調查素食葷食】 22-1-調查素食葷食問卷
22-2-將問卷調查網址轉成QR Code:
22-3-觀看問卷調查的統計數據:
22-4-瀏覽每一筆收入數據的細節:
22-5-連結至試算表:
chp23.Google表單的製作(2):設定截止時間,或設定最多訂購數目 新增Goolge 表單【02團購泡菜,只有5箱】
23-1-團購泡菜問卷(修改設定:每題預設都是必填)【成果demo】
23-2-在中午11:30前訂購便當【成果demo】:
23-3-如何處理每天的訂購便當表單:建立副本【成果demo】:
chp24.Google表單的製作(3):李克特五點量表(Likert scale),單選題,複選題 新增Goolge 表單【本次活動滿意度調查(單選)】 24-1-本次活動滿意度調查(單選)【成果demo】
24-2-產品興趣意向調查(複選)【成果demo】
chp25.Google表單的製作(4):記錄使用者的email,並允許使用者填寫多日後再修改問卷內容 新增Goolge 表單【是否參加本週日的聚餐?】 25-1-是否參加本週日的聚餐【成果demo】
chp26.Google表單的製作(5):上傳作業檔案(zip),設定背景顏色與標題圖片 新增Goolge 表單【上傳作業檔案(zip)】 26-1-上傳作業檔案(zip)【成果demo】
chp27.Google表單的製作(6):區段跳題(選葷食到葷食區段選菜色,選素食者到素菜區段選菜色) 新增Goolge 表單【區段跳題,選菜色】 27-1-區段跳題,選菜色【成果demo】
chp28-1.Google表單的製作(7):匯入過去的1個表單來修改 新增Goolge 表單【匯入過去的1個表單來修改】 28-1-匯入過去的1個表單來修改訂購便當【成果demo】
chp28-2.Google表單的製作(8):測驗卷:2024年全世界人口數調查 新增Goolge 表單【測驗卷:2024年全世界人口數調查】 28-2-測驗卷:2024年全世界人口數調查【成果demo】
chp28-3.Google表單的製作(9):自動化出題測驗卷:word表格➜自動轉成Google表單 28-3-自動化出題測驗卷:word表格➜自動轉成Google表單【成果demo】
chp28-4.Google表單的製作(10):自動化出題測驗卷:計算機概論PDF考題➜word表格➜Google表單 28-4-自動化出題測驗卷:計算機概論PDF考題➜word表格➜Google表單【成果demo】
chp28-5.Google表單的製作(11):自動化出題測驗卷:2024年全世界人口數調查 28-5-測驗卷:2024年全世界人口數調查【成果demo】
※(1).30-1-北科大軟體雲網址
chp31-1.分析參加夏令營青少年的個資(手動輸入➜SPSS)
※(1).下載或開啟【夏令營青少年的個資pdf檔案】
chp31-2.分析參加夏令營青少年的個資(Excel➜SPSS)
※(1).下載或開啟【夏令營青少年的個資Excel檔案】
chp31-3.分析參加夏令營青少年的個資(CSV➜SPSS)
※(1).下載或開啟【夏令營青少年的個資CSV檔案】
chp31-4.分析參加夏令營青少年的個資(Google表單➜Google試算表➜Excel➜SPSS)
31-4-身高體重調查【成果demo】
chp32-1.繪製3D長條圖,且標註【計數,百分比,x軸的類別文字】
※(1).【成果Demo】:3D長條圖成果,示意圖:
chp32-1.繪製【服務年資】的3D長條圖,且標註【計數,百分比,x軸的類別文字】
※(1).【成果Demo】:繪製【服務年資】的長條圖:
chp32-2.繪製【擔任職務】的圓餅圖,且標註【計數,百分比,各種職務的類別文字】
※(1).【成果Demo】:繪製【擔任職務】的陰影圓餅圖:
chp32-3.繪製【性別 vs 整體幸福感】的盒形圖,且標註【計數,百分比,各種職務的類別文字】
※(1).【成果Demo】:繪製【性別 vs 整體幸福感】的陰影盒形圖:
chp32-4.繪製【服務地區】的頻數分析線形圖,且標註【標記的數字】
※(1).【成果Demo】:繪製【服務地區】的頻數分析線形圖,共有3種方法都可以做出:
chp32-5.繪製【服務地區 vs 主題幸福感】的對應線形圖,且標註【標記的數字】
※(1).【成果Demo】:繪製【服務地區 vs 主題幸福感】的對應線形圖:
chp32-6.繪製【性別,擔任職務】的綜合頻數分析,用【3D立體長條圖】表示
※(1).【成果Demo】:繪製【性別,擔任職務】的綜合頻數分析,用【3D長條圖】表示:
chp32-7.繪製【(性別,擔任職務) vs 整體幸福感】的3軸對應關係,用【3D立體長條圖】表示
※(1).【成果Demo】:繪製【(性別,擔任職務) vs 整體幸福感】的3軸對應關係,用【3D立體長條圖】表示:
【3-3-A,報表分析(1):線上多層分析處理過程(OLAP, Online Analytical Processing)】 chp33-1.分析國小老師【性別 vs 整體幸福感】的【多層分群分析報表OLAP】
※(1).【成果Demo】:分三層【總計,男,女】的統計分析:
chp33-2.分析國小老師【(性別,服務地區) vs 整體幸福感】的【多層分群分析報表OLAP】
※(1).【成果Demo】:【(男,北區) vs (男,東區) 比較整體幸福感】的【多層分群分析報表OLAP】
※(3).下載問卷調查資料:教師幸福感指數調查 ※上傳【32-1-教師幸福感問卷調查_1.xlsx】,到北科大軟體雲的windows電腦的F:\硬碟 ※【問卷調查題目】:國小教師職場生活感受調查 ........ ※【服務地區】:1男,2女 ※【服務地區】:1x科任未兼任行政,2x教師兼組長,3x級任未兼任行政,4教師兼主任 ※【服務地區】:1北區,2中區,3南區,4東區 ※【服務年資】:1:5年以下,2:6-10年,3:11-15年,4:16-20年,5:21-25年,6:26年以上 ※(4).用北科大軟體雲的SPSS讀入【32-1-教師幸福感問卷調查_1.xlsx】檔案 讀入問卷檔案,示意圖1, ※(6).建立【多層分群分析處理,OLAP】 ➜上方【分析】➜【報告】➜【OLAP資料方塊] 示意圖, ➜設定【摘要變數,目標y=f(x)】➜【整體幸福感】 ➜設定【分組變數,x,分群,groupby】➜【性別,服務地區】 設定分群變數x,目標求值y,示意圖, ➜設定【統計計量數】➜【觀察值數,平均,標準差】 點按【統計資料】按鈕,示意圖, 設定【統計計量數】,示意圖, ➜設定【標題】➜【國小教師(性別,服務地區)的整體幸福感分析】 點按【標題】按鈕,示意圖, 設定標題文字,示意圖, ※(7).建立【多層多維度分析】➜【總計,男/北區,男/東區】 ➜先在【性別:總計-報表表格】的空白處➜滑鼠右鍵➜【複製】➜貼在下方 複製第1個表格,貼到之後, ➜double click【總計】➜選擇【男】 ➜double click【總計】➜選擇【北區】 分三層【男/北區,男/東區】的統計分析,示意圖, ※(8).建立【北區/東區的『差異性』分析】 ※【服務地區】:1北區,2中區,3南區,4東區 ➜點按【差異】按鈕➜ ➜勾選【群組之間的差異】 ➜【組別變數】➜選擇【服務地區】 ➜【種類】➜輸入【1】(1北區) ➜【減種類】➜輸入【4】(4東區) ➜把2個變數➜移動到【配對】➜(1-4)default 設定參數:北區/東區的『差異性』分析,示意圖, 北區/東區的『差異性』分析,示意圖, ※(9).分析【男老師,(北區-東區)差異的%是多少?】 ➜先在【性別:總計-報表表格】的空白處➜滑鼠右鍵➜【複製】➜貼在下方 複製第1個表格,貼到之後, ➜double click【總計】➜選擇【男】 ➜double click【總計】➜選擇【北區】 男老師,在(北區-東區)差異%分析,示意圖, 分析【男老師,(北區-東區)差異的%是多少?】 = 11.6% chp33-3.分析【國小兒童(男女 vs 身高)】的【列的報告摘要】
※(1).【成果Demo】:國小兒童身高的『列』統計分析(分群不同性別,不同班級):
※(4).下載問卷調查資料:國小兒童身高調查 ※上傳【33-3-國小兒童身高.sav】,到北科大軟體雲的windows電腦的F:\硬碟 ※(5).用北科大軟體雲的SPSS讀入【33-3-國小兒童身高.sav】檔案 ※(6).建立【列的報告摘要】 ➜上方【分析】➜【報告】➜【列的報告摘要] 示意圖, ➜設定【資料欄變數,目標y=f(x)】➜【身高】 ➜設定【岔斷欄變數,x,分群,groupby】➜【性別】 ➜勾選【顯示觀測值】 設定岔斷變數x,資料欄變數y,示意圖, ➜設定【摘要】➜【平均值,觀察值數目】 設定【摘要,統計計量數】,示意圖, ➜設定【標題】➜【置中】➜【國小兒童身高的分群分析】 列報表結果:身高欄位太窄,示意圖, ※(7).修改【身高的欄位寬度】 ➜打開【列的報告摘要】➜【資料欄變數】的【格式】➜【欄寬】=20 設定【欄寬】,示意圖, 列報表結果,示意圖, ※(8).修改【每個性別(男,女)下都有計算平均值】 ➜打開【列的報告摘要】➜【岔斷變數】的【摘要】➜勾選【平均值】 設定【岔斷變數】的【摘要】,示意圖, 列報表結果,示意圖, ※(9).設定【2個岔斷變數:性別,班級】 ➜打開【列的報告摘要】➜新增1個【岔斷變數】:【班級】 ➜設定【岔斷變數】的【摘要】➜勾選【平均值】 設定【岔斷變數】的【摘要】,示意圖, 列報表結果(男),示意圖, 列報表結果(女),示意圖, chp33-4.分析【國小兒童(男女 vs 身高)】的【欄位的報告摘要】
※(1).【成果Demo】:國小兒童身高的『欄位』統計分析(分群不同性別,不同班級):
※(4).下載問卷調查資料:國小兒童身高調查 ※上傳【33-3-國小兒童身高.sav】,到北科大軟體雲的windows電腦的F:\硬碟 ※(5).用北科大軟體雲的SPSS讀入【33-3-國小兒童身高.sav】檔案 ※(6).建立【列的報告摘要】 ➜上方【分析】➜【報告】➜【欄位的報告摘要] 示意圖, ➜在最下方顯示整體平均➜點按【摘要】➜勾選【顯示總計】 設定【摘要】【顯示總計】,示意圖, ➜設定【標題】➜【置中】➜【國小兒童身高的分群分析】 ※(7).設定【資料欄變數】 列報表結果:身高欄位太窄,示意圖, ➜設定『每個欄位只顯示平均,不顯示個別值』➜點按【資料欄變數】➜【摘要】➜勾選【平均值】 資料欄變數只顯示平均,示意圖, ➜設定【資料欄變數】的欄位寬度➜點按【格式】➜【欄寬】=20 設定資料欄(身高)的欄寬,示意圖, ※(8).設定岔斷變數【性別】 ➜點按【性別】➜【選項】➜勾選【顯示小計】 設定資料欄(性別)的選項,示意圖, ➜點按【班級】➜【選項】➜勾選【顯示小計】 設定資料欄(班級)的選項,示意圖, 欄的成果摘要成果,示意圖, 【3-3-C,報表分析(4):觀察值摘要 Cases Summary】 chp33-5.分析【國小兒童(男女 vs 身高)】的【觀察值摘要 Cases Summary】
※(1).【成果Demo】:國小兒童身高的統計分析(分群不同性別,不同班級):
※(4).下載問卷調查資料:國小兒童身高調查 ※上傳【33-3-國小兒童身高.sav】,到北科大軟體雲的windows電腦的F:\硬碟 ※(5).用北科大軟體雲的SPSS讀入【33-3-國小兒童身高.sav】檔案 ※(6).建立【觀察值摘要 Cases Summar】 ➜上方【分析】➜【報告】➜【觀察值摘要 Cases Summar] 示意圖, ➜設定【變數,目標y=f(x)】➜【身高】 ➜設定【分組變數,x,分群,groupby】➜【性別,班級】 ➜取消勾選【顯示觀測值】 設定變數x,分組變數y,示意圖, ➜設定【統計資料】➜【觀察值數目(樣本數N),平均值,中位數】 設定【統計資料,統計計量數】,示意圖, ➜設定【選項(標題)】➜【標題】➜【國小兒童身高的分群分析】 設定標題,示意圖, 報表結果,示意圖, 【3-4-A,描述統計(1):次數分配表(Frequencies,頻數分析)】 chp34-1.分析【120名男子血壓分佈】的【次數分配表(Frequencies,頻數分析,單一變數的常態分佈)】
※(1).【成果Demo】:【120名男子血壓分佈】的【次數分配表(Frequencies,頻數分析)】:
chp34-2.分析【100名大學生血清蛋白分佈】的【次數分配表(Frequencies,頻數分析,單一變數的常態分佈)】
※(1).【成果Demo】:【100名大學生血清蛋白分佈】的【次數分配表(Frequencies,頻數分析)】:
【3-4-B-描述統計(2):描述統計(描述統計分析,Descriptive Statistics)】 chp34-3.分析【期末考English成績】的【描述統計分析,Descriptive Statistics】
※(1).【成果Demo】:【期末考English成績】的【描述統計分析,Descriptive Statistics】:
chp34-4.分析【20名嬰兒體重】的【描述統計分析,Descriptive Statistics】
※(1).【成果Demo】:【20名嬰兒體重】的【描述統計分析,Descriptive Statistics】:
chp34-5.分析【一週飲料花費】的【預檢資料,Explore】:做分組分群統計摘要分析+圖形分組比對
※(1).【成果Demo】:【一週飲料花費】的【預檢資料,Explore】:
chp34-9.分析【一週飲料花費】的【預檢資料,Explor】:看數據是否有【異常值】,或是否接近【常態分佈】
※(1).【成果Demo】:【一週飲料花費】的【預檢資料,Explor】:看數據是否有【異常值】
chp34-10.分析【120名男子血壓分佈】的【預檢資料,Explor】:看數據是否有【異常值】,或是否接近【常態分佈】
※(1).【成果Demo】:【120名男子血壓分佈】的【預檢資料,Explor】:看數據是否有【異常值】
☎【3-5-交叉分析表,Cross Tables】:探討2個類別變數之間的關聯性(重要) chp35-1.【ABC三個品牌與喜歡原因DEF之間的關聯性】的【交叉分析表解析】➜分析報告【SPSS➜Excel➜Word】
※(1).【成果Demo】:【ABC三個品牌與喜歡原因DEF之間的關聯性】的【交叉分析表解析】➜分析報告【SPSS➜Excel➜Word】:
chp35-2.【品牌與喜好原因】的【交叉分析表應用】➜變成三種定量分析的百分比表格➜可說出數據背後的3種物理意義,與定量比對➜分析報告【SPSS➜Excel➜Word】
※(1).【成果Demo】:【品牌與喜好原因】的【交叉分析表應用】➜變成三種定量分析的百分比表格➜可說出數據背後的3種物理意義,與定量比對
chp35-3.【交叉分析表的圖形比較:可以一眼看出關聯因子的關聯特色】:【品牌與喜好原因】交叉分析後以長條圖比較
※(1).【成果Demo】:【交叉分析表的長條圖比較:可以一眼看出關聯因子的關聯特色】:【品牌與喜好原因】交叉分析後以長條圖比較
☎chp35-4.【靈魂拷問,大哉問】:
客戶【每個月到星巴克的次數】與【性別】是否存在顯著關聯?】(重要)
※(1).【成果Demo】:客戶【每個月到星巴克的次數】與【性別】是否存在顯著關聯?】
35-4.Final完整的word分析報告
☎chp35-5.客戶【每個月到星巴克的次數】與【每月可支配的零用金】是否存在顯著關聯?
※(1).【成果Demo】:客戶【每個月到星巴克的次數】與【每月可支配的零用金】是否存在顯著關聯?
☎chp35-6.【縮減組數】卡方檢定必須要每個類別期望個數不小於5才有效:調查【男女】與【運動時間】是否存在顯著關聯?
※(1).【成果Demo】:調查【男女】與【運動時間】是否存在顯著關聯?
【3-6-相對比分析,比例分析,Ratio】:探討2個類別變數對比(相除)的統計分析,探討2個變數對比的關聯性 chp36-1.【中國大陸2007年城鄉消費額分析】,探討是否不同的城鄉消費有明顯差異?
※(1).【成果Demo】:【中國大陸2007年城鄉消費額分析】,探討是否不同的城鄉消費有明顯差異?:
【3-7-單一樣本t檢定(1個連續數值y)】:探討1個連續變數樣本平均值,與指定檢定值之間是否存在顯著差異
chp37-1.某校【大一新生體重數據】與【5年前大一平均體重65.6】相比,是否有顯著差異?(雙尾檢定)
※(1).【成果Demo】:某校【大一新生體重數據】與【5年前大一平均體重65.6】相比,是否有顯著差異?
※(4).用北科大軟體雲的SPSS新增一個新的【SPSS】檔案 ➜在【變數視圖】視窗➜建立2個欄位【編號,體重】 建立2個欄位【編號,體重】,示意圖 ➜在【資料視圖】視窗➜複製【37-1-大一新生體重數據.csv】的數據,貼上 複製csv數據,示意圖 貼到SPSS,示意圖 ※(5).建立【單一樣本t檢定】 ➜上方【分析】➜【比較平均數法】➜【單一樣本t檢定】 點選【單一樣本t檢定】,示意圖 ➜設定【檢定變數】➜【體重】 ➜設定【檢定值】➜【65.6】 ➜設定【選項】➜【信賴區間百分比】= 95% 點選【單一樣本t檢定】,示意圖 ➜【平均】:67.50似乎比5年前(65.6)還要高一些 ➜【但是檢定後發現】:p= 0.095>信賴水準0.05,所以不顯著(符合Ho虛無假設,2個變數沒有差異) ➜ 【結論】:現在大一學生的體重與5年前學生體重相比,沒有顯著差別(差不多) ※(6).【單一樣本t檢定】步驟: ➜【單一樣本t檢定】:適用於單一連續數值變數。 ➜步驟1:設置2種假設: ◉零假設(𝐻0),又名虛無假設:兩個變數之間獨立(無顯著關聯,無顯著差異)。 ◉對立假設(𝐻1):兩個變數之間不獨立(有顯著關聯,有顯著差異)。 ➜步驟2:用公式計算t檢定值。 ➜步驟3:計算p值:查找對應的p值。 ➜步驟4:比較顯著水平:如果p值小於顯著水平(如0.05),則拒絕零假設,認為兩變數之間有顯著關聯。 37-1.word分析報告
chp37-2.【大學生每週運動時間】與【5年前平均70分鐘】相比,是否有今年已經明顯增加?(單尾檢定)
※(1).【成果Demo】:【大學生每週運動時間】與【5年前平均70分鐘】相比,是否有今年已經明顯增加?(單尾檢定)?
chp37-3.某報紙宣稱【大學生每週飲料花費已經 ≥ 100元】,是否可以否定該宣稱(α < 0.05)?
※(1).【成果Demo】:某報紙宣稱【大學生每週飲料花費已經 ≥ 100元】,是否可以否定該宣稱(α < 0.05)?
【3-8-獨立樣本t檢定(2類別x vs 連續數值y)】:檢定2個獨立樣本(2個選擇的種類)的總體平均數,是否存在顯著差異? chp38-1.判定【男女每週飲料花費】,【是否存在差異】?
※(1).【成果Demo】:判定【男女每週飲料花費】,【是否存在差異】?
chp38-2.判定【男女每週運動時間】,【男生是否大過女生】?
※(1).【成果Demo】:判定【男女每週運動時間】,【男生是否大過女生】?
chp38-3.判定【台北/雲林地區所得比較】,是否【台北所得高過於雲林】?
※(1).【成果Demo】:判定【台北/雲林地區所得比較】,是否【台北所得高過於雲林】?
☎chp38-4.【量表的檢定】:判定【男女對於洗面乳選購的在意點】,是否【男女會有明顯差異?】(1)(重要)
※(1).【成果Demo】:判定【男女對於洗面乳選購的在意點】,是否【男女會有明顯差異】?
☎chp38-5.【量表的檢定】:判定【男女對於洗面乳選購的在意點】,是否【女生是不是會比男生來得明顯重視?】(2)(重要)
※(1).【成果Demo】:判定【男女對於洗面乳選購的在意點】,是否【女生是不是會比男生來得明顯重視?】(2)(重要)
※四,【發現問題】:數據太雜亂,無法精簡,一目了然地描述 ➜在撰寫報告時,若只是參考SPSS的輸出表格,會因為參數太多,而很難一目了然地說明數據 ➜所以一般會把【SPSS表格➜貼到Excel修改,排序,彙整一個精簡表格➜貼到Word寫報告】 ☎chp38-6.把上述【男女對於洗面乳選購的檢定】➜寫成分析報告【SPSS➜Excel➜Word】(3)
※(1).【成果Demo】:把上述【男女對於洗面乳選購的檢定】➜撰寫分析報告【SPSS➜Excel➜Word】(3)
※(2).先建立【觀測值摘要】 ➜【原因】:因為我們要排序,還要分組分群分析比較,所以首選【觀測值摘要】 ➜SPSS開啟上1個資料檔案➜上方【分析】➜【報告】➜【觀測值摘要】 ➜設定【變數】➜【抗痘,去油,美白,保濕,保濕,緊緻毛孔,卸妝】 ➜設定【分組清單】➜【性別】 ➜設定【統計資料】➜選【平均數】 ➜取消勾選【顯示觀察值】 設定參數,示意圖, ※(3).將SPSS【觀察值摘要】表格【複製】到【Excel】 ➜在表格➜【滑鼠右鍵】➜【複製】 ➜貼到Excel去編輯每1個表格 ➜複製➜【A3:H6】 【貼表格到Excel編輯】,示意圖, ➜到【B9】➜【選擇性貼上/轉置(T)】 【選擇性貼上/轉置(T)】,示意圖, ➜到【A9】➜輸入【編號】➜新增編號1,2,3,4....7 ※(4).【計算排名】 ➜到【F9】➜輸入【排名】 ➜到【F10】➜輸入公式【=RANK(E10,$E$10:E$16)】 ※(5).到SPSS【顯示獨立樣本t檢定表格】 ➜在表格➜【滑鼠右鍵】➜【複製】 ➜貼到Excel➜【到新的工作表】➜到【B1】➜貼上 【貼表格到Excel,並刪除某些欄位列】,示意圖, ➜刪除【第I欄位以後各個欄位】 ➜刪除【第4列,第1,第2列】 ➜刪除【G欄位:自由度】 【刪除後】,示意圖, ➜輸入儲存格文字【編號,屬性,變異數檢定】➜ 示意圖1, ※(6).【處理B欄空格】 ➜選取【B2:B13】➜【複製】 ➜點按【B3】➜【選擇性貼上】➜【略過空格】 選取【B2:B13】,示意圖1, 【選擇性貼上】➜【略過空格】,示意圖1, 【成果】,示意圖, ※(7).【處理F欄,E欄的空格】 ➜按照上述的做法,相同做法 【成果】,示意圖, ※(8).【刪除『變異數檢定』欄位,全部是『不採用相等變異數』的列】 ➜原因:根據判斷【顯著性是否<0.05】:全部的【顯著性值】都>0.05➜➜表示接受虛無假設【2個母體變異數相等的假設】➜第1列的值 【刪除多列】,示意圖, 【成果】,示意圖, ※(9).複製【G欄】到【第1個工作表『觀察值摘要』的最後2個欄位】 ➜修改【最後1個欄位:H欄】的【標題】➜【顯著性(單尾)】 【複製G欄】,示意圖, 【成果】,示意圖, ※(10).在【H10】➜輸入【=G10/2】➜公式作用到【H10~H16】 ➜複製【H10~H16】➜【原地】➜選擇性貼上➜【值】 【先複製,再原地選擇性貼上:值】,示意圖, 【結果】,示意圖, ※(11).刪除【G欄】(顯著性(雙尾) 【結果】,示意圖, ※(12).在最後1個欄位【H欄位】➜輸入【<α】(判斷是否符合p<0.05) ➜在【H10】➜輸入【=IF(G10<0.05,"*", "")】➜公式套用到【H10~H16】 【公式套用到相關欄位,再原地選擇性貼上:值】,示意圖, ※(13).在【B17】➜輸入【樣本數】 ➜在【C17~E17】➜輸入【46,104,150】 ➜表格加上【內外框線】 【下載Excel成果檔案】, ※(14).將表格複製貼到到【Word】➜寫成【分析報告】 【下載Word分析報告檔案】,
chp38-7.判定【東京的1月份均溫,在90年代前,和90年代後】,【是否存在差異】?
※(1).【成果Demo】:判定【東京的1月份均溫,在90年代前,和90年代後】,【是否存在差異】?
【3-9-成對樣本t檢定,配對樣本t檢定(彼此有相關的類別x vs 連續數值y)】:檢定2個獨立樣本(2個選擇的種類)的總體平均數,是否存在顯著差異? chp39-1.【比較2廠牌輪胎的磨損,車子左邊用正欣輪胎,右邊用見大輪胎】,【正欣輪胎是否比見大磨損大】?
※(1).【成果Demo】:【比較2廠牌輪胎的磨損,車子左邊用正欣輪胎,右邊用見大輪胎】,【正欣輪胎是否比見大磨損大】?
chp39-2.【無瞎米打字法,能夠訓練10位同學,前後進步多40個字嗎】?
※(1).【成果Demo】:【無瞎米打字法,能夠訓練10位同學,前後進步多40個字嗎】?
【3-10-單因子變異數分析,ANOVA】:檢驗多組(n>2)母體平均數是否相等(x類別>=3 vs 連續數值y) chp310-1.【在報紙投放不同方式的廣告,比較回應人數,是否有差異】?
※(1).【成果Demo】:【在報紙投放不同方式的廣告,比較回應人數,是否有差異】?
chp310-2.【大學生每月刷卡金額,是否與零用金來源不同而有所差異】?
※(1).【成果Demo】:【大學生每月刷卡金額,是否與零用金來源不同而有所差異】?
chp310-3.多種分析【大學生每月手機支出月費,與【男女性別】與否而有差異嗎?與【居住狀況】不同而有差異嗎?
※(1).【成果Demo】:多種分析【大學生每月手機支出月費,與【男女性別】與否而有差異嗎?與【居住狀況】不同而有差異嗎?
☎chp310-4.【量表的檢定】:【消費者購買洗髮精【考慮的因素】會隨著【選擇品牌的不同】,而有顯著差異嗎?(1)
※(1).【問卷表單設計】:共有2題:
☎chp310-5.把上述【消費者對於洗面乳選購的檢定】➜寫成分析報告【SPSS➜Excel➜Word】(3)
※(1).【成果Demo】:把上述【消費者對於洗面乳選購的檢定】➜撰寫分析報告【SPSS➜Excel➜Word】(3)
※(2).先建立【觀測值摘要】 ➜【原因】:因為我們要排序,還要分組分群分析比較,所以首選【觀測值摘要】 ➜SPSS開啟上1個資料檔案➜在上方【分析】➜【報告】➜【觀測值摘要】 ➜設定【變數】➜【去頭皮屑,保濕,熱油護髮,止癢,香味,防止分岔,柔順,整體效果】 ➜設定【分組清單】➜【使用品牌】 ➜設定【統計資料】➜選【平均數】 ➜取消勾選【顯示觀察值】 設定參數,示意圖, ※(3).將SPSS【觀察值摘要】表格【複製】到【Excel】 ➜在表格➜【滑鼠右鍵】➜【複製】 ➜貼到Excel去編輯每1個表格 ➜複製➜【A3:I10】 【貼表格到Excel編輯】,示意圖, ➜到新的工作表的【B1】➜【選擇性貼上/轉置(T)】 【選擇性貼上/轉置(T)】,示意圖, ➜到【A1】➜輸入【編號】➜新增編號1,2,3,4....7 ※(4).【計算排名】 ➜到【J1】➜輸入【排名】 ➜到【J2】➜輸入公式【=RANK(I2, $I$2:$I$9)】 ➜到【B10】➜輸入【樣本數】 ➜到【C10:I10】➜輸入【22,14,22,10,20,36,124】 ※(5).到SPSS顯示【單因子變異數分析表格】 ➜在表格➜【滑鼠右鍵】➜【複製】 ➜貼到Excel➜【到新的工作表】➜到【B1】➜貼上 【貼表格到Excel,並刪除某些欄位列】,示意圖, ➜刪除【第C~F欄】 ➜刪除【第1列】 【刪除後】,示意圖, ➜在【A2:B2】輸入儲存格文字【編號,屬性】➜ ※(6).【刪除空白列】 選取【空白列】刪除,示意圖1, 【成果】,示意圖, ※(7).複製第3個工作表的【C:D 2個欄】到【第1個工作表『觀察值摘要』的最後2個欄位】 ➜修改【最後1個欄位:H欄】的【標題】➜【顯著性】 【成果】,示意圖, ※(8).在【M1】➜輸入【<α】(判斷是否符合p<0.05) ➜在【H10】➜輸入【=IF(L2<0.05, "*", "")】➜公式套用到【M2~M9】 【公式套用到相關欄位,再原地選擇性貼上:值】,示意圖, ※(9).表格加上【內外框線】 【下載Excel成果檔案】, ※(14).將表格複製貼到到【Word】➜寫成【分析報告】 【下載Word分析報告檔案】, 【3-11-相關性研究】:探討2個變數之間的相關性(2種方法:相關係數法,繪製散佈圖法) chp311-1.探討A公司的【投放的廣告費】與【銷售量】的【相關性】?
※(1).【成果Demo】:探討A公司的【投放的廣告費】與【銷售量】的【相關性】?
chp311-2.用【散佈圖】來探討A公司的【投放的廣告費】與【銷售量】的【相關性】?
※(1).【成果Demo】:探討A公司的【投放的廣告費】與【銷售量】的【相關性】?
chp311-3.探討國中3甲班級的【國文成績】與【英文成績】的【相關性】?
※(1).【成果Demo】:探討國中3甲班級的【國文成績】與【英文成績】的【相關性】?
chp311-4.【多個變數之間的相關矩陣】:探討汽車【鈑金,省油,價格】3個變數的相關性?
※(1).【成果Demo】:【多個變數之間的相關矩陣】:探討汽車【鈑金,省油,價格】3個變數的相關性(但容易出現誤判)?
chp311-5.【多個變數之間的相關矩陣】:探討學生【成績,出席率,選修學分數,打工時數】4個變數的相關性?
※(1).【成果Demo】:【多個變數之間的相關矩陣】:探討學生【成績,出席率,選修學分數,打工時數】4個變數的相關性?(但容易出現誤判)?
chp311-6.【偏相關(Partial,淨相關):多個變數之間排除其他條件的專門檢定2個變數】:探討汽車【鈑金,省油,價格】3個變數的相關性?
※(1).【chp311-4的成果Demo】:【多個變數之間的相關矩陣】:探討汽車【鈑金,省油,價格】3個變數的相關性?
chp311-7.【偏相關(Partial,淨相關):多個變數之間排除其他條件的專門檢定2個變數】:探討學生【平均成績 vs 打工時數】4個變數的2個變數的相關性?
※(1).【chp311-4的成果Demo】:【偏相關(Partial,淨相關):多個變數之間排除其他條件的專門檢定2個變數】:探討學生【平均成績 vs 打工時數】4個變數的2個變數的相關性?
【3-12-迴歸分析】:探討依變數y與自變數x之間的迴歸方程式 chp312-1.探討A公司的【投放的廣告費】與【銷售量】的【線性迴歸方程式】?
※(1).【成果Demo】:
chp312-2.探討A銀行的【放款金額】與【存款餘額】的【線性迴歸方程式】?
※(1).【成果Demo】:
chp312-3.探討中古車行的【價格】與【車齡】的【線性迴歸方程式】?
※(1).【成果Demo】:
chp312-4.探討中古車行的【價格】與【車齡】的【線性迴歸方程式】並【繪圖】
※(1).【成果Demo】:
chp312-5.【非線性迴歸:二次曲線迴歸】探討【年齡】與【每月所得】的【非線性迴歸方程式】並【繪圖】
※(1).【成果Demo】:
chp312-6.【非線性迴歸:對數曲線迴歸】探討樹木【直徑】與【高度】的【非線性迴歸方程式】並【繪圖】
※(1).【成果Demo】:
※(1).【成果Demo】:
chp312-8.【複迴歸/多元迴歸】銀行幫客戶打【信用分數】,探討與客戶【總收入,不動產,動產,每月房貸,撫養支出】的【迴歸方程式】並【繪圖】
※(1).【成果Demo】:
chp312-9.【複迴歸/多元迴歸】老師要找出學生【出席率】低的原因,探討學生【是否點名,成績高低,上課內容,上課時段】的【迴歸方程式】並【繪圖】
※(1).【成果Demo】:
【四,實作:程式量化分析方法:Python統計分析(scipy統計模組)】 chp43.單變數anova檢定,單因子變異數分析(x類別>=3 vs 連續數值y) chp44.單變數pearson相關性檢定(連續數值x vs 連續數值y) chp46.多變數迴歸分析與檢定,(x1,x2,x3..連續數值 vs 數值y) 【五,實作:應用人工智慧於顧客區隔(Customer Segmentation)的分群預測,可找出不同的目標客群,然後做差異性行銷】 【5-1.三步驟的分類預測:Classification Prediction】 範例5-3.用sklearn模組,『簡易3步驟』建立『KNN,K鄰近』模型來預測『客戶關係管理裡面的客戶價值度』 範例5-4.用sklearn模組,『簡易3步驟』建立『邏輯迴歸』模型來預測『客戶關係管理裡面的客戶價值度』 範例5-7.用sklearn模組,『簡易3步驟』建立『支持向量機算法SVM』模型來預測『客戶關係管理裡面的客戶價值度』 【5-2.五步驟的分類預測:Classification Prediction】 範例6-3.用sklearn模組,『入門5步驟』建立『KNN,K鄰近』模型來預測『客戶關係管理裡面的客戶價值度』 範例6-4.用sklearn模組,『入門5步驟』建立『邏輯迴歸』模型來預測『客戶關係管理裡面的客戶價值度』 範例6-5.用sklearn模組,『入門6步驟』建立『決策樹tree』模型來預測『客戶關係管理裡面的客戶價值度』 【5-3.進階處理問題1:使用【標準化(Standardization)➜特徵縮放scaler】來處理輸入變數刻度差距很大,造成計算誤差與準確率低】 範例8-2.用標準化類別函數StandardScaler(),把『客戶關係管理的客戶價值度RFM資料集』先標準化處理,再用『sklearn邏輯迴歸模型』預測分類 範例8-3.用標準化類別函數StandardScaler(),把『客戶關係管理的客戶價值度RFM資料集』先標準化處理,再用『keras類神經網絡模型』預測分類 【5-4.進階處理問題2:使用【管道器封裝中間的全部流程:(x➜【管道器pipeline】➜y】來處理『數據要經過多種預處理所造成的繁雜易出錯』】 範例9-3.用『管道器pipeline』封裝『keras類神經網絡模型』,處理『客戶關係管理的客戶價值度RFM資料』並預測分類 範例10-5.用『管道器pipeline』封裝『sklearn的5種模型』,處理『IBM電信的客戶流失率資料集』並預測A客戶是否會流失 範例10-6.用『管道器pipeline』封裝『sklearn的5種模型』,處理『歐洲信用卡公司盜刷資料集』並預測A客戶是否會盜刷 |
資源 | |||||
上課工具 | 線上黑板( Online blackboard) | 廣播教學 | 上課錄影影片 | Goole輸入法(Input:exe) | NatureReader |
證照考試:商用數據應用師 | 考試題庫 (從中約抽70題) | 報名證照相關說明與方法 | 考試方式:100題單選題,每題1分,70分及格 | 考試指定用書 | |
數據集,資料集,dataset | UCI的各種資料集 | Kaggle的各種資料集 | 考試方式:100題單選題,每題1分,70分及格 | 考試指定用書 | |
上課參考教材 | 書籍:跨領域學 Python:資料科學基礎養成 | 書籍:Python 資料科學與人工智慧應用實務 | 書籍:一行指令學Python:用機器學習掌握人工智慧 | ||
書籍:用Pandas掌握商務大數據分析 | 進階書籍:Python商業數據分析:零售和電子商務案例 | pandas官網(英文) | w3schools的pandas教學(英文) | ||
pandas參考教材 | w3Cschool的pandas教學(中文) | Steam教學網-python | 蓋若pandas 教程 | pandas的df的操作函數 | |
colab繪圖如何顯示中文,方法1 |
☎#colab顯示繁體中文,方法1
問題:matplotlib繪圖,會發生中文無法顯示的問題 參考:colab繪圖如何顯示中文 ☎程式碼: #-------------------------------- # colab繪圖顯示繁體中文 #-------------------------------- import matplotlib # 先下載台北黑體字型 !wget -O taipei_sans_tc_beta.ttf https://drive.google.com/uc?id=1eGAsTN1HBpJAkeVM57_C7ccp7hbgSz3_&export=download import matplotlib # 新增字體 matplotlib.font_manager.fontManager.addfont('taipei_sans_tc_beta.ttf') # 將 font-family 設為 Taipei Sans TC Beta # 設定完後,之後的圖表都可以顯示中文了 matplotlib.rc('font', family='Taipei Sans TC Beta') |
||||
colab繪圖如何顯示中文,方法2 |
☎#colab顯示繁體中文,方法2
☎程式碼: #-------------------------------------- # 課本的中文處理 #-------------------------------------- import matplotlib as mpl import matplotlib.font_manager as fm !wget "https://www.wfonts.com/download/data/2014/06/01/simhei/simhei.zip" !unzip "simhei.zip" !rm "simhei.zip" fm.fontManager.addfont('SimHei.ttf') mpl.rc('font', family='SimHei') # 這一行能讓字體變得清晰 %config InlineBackend.figure_format = 'retina' |
||||
windows的spyder繪圖如何顯示中文 |
☎解決:windows的spyder,會發生中文無法顯示的問題 參考:windows繪圖如何顯示中文 ☎程式碼: #在windows 10 的spyder,繪圖如何顯示中文 #使用微軟正黑體(Microsoft JhengHei) plt.rcParams['font.sans-serif'] = ['Microsoft JhengHei'] #有些中文字體在碰到負號時,會無法正常顯示,尤其是內建的字體,加入以下語法就可以解決『負號無法顯示』問題 plt.rcParams['axes.unicode_minus'] = False |
||||
在colab如何更改目錄 |
☎解決:在colab如何更改目錄的問題 ☎程式碼: import os os.chdir("/content/drive/MyDrive/Colab Notebooks") !ls |
||||
解決簡體字csv造成亂碼 |
☎解決簡體字csv,打開後都是亂碼的問題: 第2 種方式: (1)先執行Excel 軟體,新增空白活頁簿, (2)然後在上方功能選項中點選「資料」➜「取得外部資料」➜ 「從文字檔」 → 「選擇csv文件」, 選擇你的CSV 檔, 在「匯入字串精靈」對話框中選擇檔案原始格式65001:Unicode(UTF-8) 即可。 若是utf-8還是有亂碼,再改成 在「匯入字串精靈」對話框中選擇檔案原始格式54986:簡體中文(GB18080) 即可。 (3)打勾:我的資料有標題 (4)分隔符哈:逗號 |
||||
程式模板 |
☎存入excel檔案,並且畫柱狀圖
|
||||
程式模板chp8-6.樞紐分析表的必要指令:展開 |
☎輸出excel檔案:建立3個資料表sheet(英文成績,數學成績,中文成績)
|
||||
打開chrome網頁線上英文字典功能 |
☎如何安裝google chrome的網頁線上英文字典工具: ➜google chrome的右上角工具➜更多工具➜擴充功能 ➜左上角主選單➜開啟chrome線上應用程式商店 ➜勾選:google製作,免費 ➜搜尋:google dictionary➜安裝 ➜到chrome右上擴充功能➜點按google dictionary的『詳細資料』➜擴充功能選項 ➜my language=chinese ➜打勾2個:Pop-up definitions: (1)反白單字翻譯:Display pop-up when I double-click a word (2)ctrl+拖曵整段翻譯: Display pop-up when I select a word or phrase |
||||
上課用excel | 學生成績-chinese | 學生成績-有缺值-chinese | 學生成績-物理歷史-chinese | 學生成績-amy-simon-chinese | |
學生成績-生日-chinese | 學生成績-分組-chinese | 人事資料-chinese | 男女時薪-chinese | ||
學生成績-english | 學生成績-有缺值-english | 學生成績-分組-english | 圖書資料-chinese | ||
上課用csv | 小費tips-chinese | 小費tips-english | 學生成績-chinese | 學生成績-english | |
圖書資料-chinese | |||||
上課用其它資料庫 | mySQL-ch09 | SQLite-student | json-學生成績 | xml-personnel | |
課本商業範例資料庫 | 商業銷售分析-sales csv | 系所生源分析-excel | 股市分析-台積電聯發科股票線型-excel | 問卷資料分析-excel | |
pandas參考教材 | 十分鐘入門 Pandas(英文) | 十分鐘入門 Pandas(英文) | 10分鐘的Pandas入門-繁中版 | 十分鐘入門 Pandas(中文) | |
pandas參考教材 | pandas官網全部章節翻譯 | pandas官網全部章節翻譯 | |||
pandas參考教材(英文) | kaggle pandas教學 | 100 pandas tricks to save you time and energy | 官網0.22.0:pandas documentation | ||
pandas參考教材(中文) | Pandas 101:資料分析的基石 | 資料科學家的pandas 實戰手冊:掌握40 個實用 | 簡明 Python Pandas 入門教學 | 資料分析必懂的Pandas DataFrame處理雙維度資料方法 | |
pandas速查手冊 | pandas 速查手册 - 盖若 | Pandas速查手冊中文版 - 知乎專欄 | Pandas速查手冊中文版- 騰訊雲開發者社區 | ||
pandas速查手冊 | Pandas中DataFrame基本函數整理(全) | Pandas 魔法筆記(1)-常用招式總覽 | pandas的df的操作函數 | ||
資料集dataset | 小費資料集Tips Dataset(csv) | kaggle小費資料集範例A Waiter's Tips example | 【視覺化】小費(tips)資料集分析 | 小費(tips)資料集提取和檢視相應資料 | |
SQL語法 | SQL語法教程 | pandas vs SQL | |||
資料分析4大模組(runoob) | numpy | pandas | matplotlib | scipy | |
w3c、w3school、w3cschool、runoob、w3capi比較 | runoob流量監控儀表板 | ||||
w3school vs runoob |
1.w3school中文版是直接google翻譯英文版 2.runoob.com翻譯自英文版w3schools,但重新排版 3.runoob = run + noob(菜鳥,小白) 4.runoob是python,html,javascript中文版最好的教學網 |
||||
官網 | python官網 | vscode官網 | |||
python 教學網站 | python 3(官網手冊中文) | python 3教學(中文) | python 3教學(中文) | 簡易1小時教學 | |
w3school(英文版) | |||||
線上執行python online |
https://www.python.org/shell/(建議用這個) https://repl.it/languages/python3 |
||||
用Anacond寫python(*建議使用) |
作業(homework) | |||||
作業1 | |||||
作業2 |