云解析_linux虚拟主机_好用

对象存储 虚拟云 浏览

小编:准备Qualtrics Experience Management中的X数据,参考SAP Integrated Business Planning中的预测模型 除了历史销售额之外,还可以通过了解客户对产品的感知、价值、信任和使用方式来了解产品的需求

准备Qualtrics Experience Management中的X数据,云服务器共享,参考SAP Integrated Business Planning中的预测模型

除了历史销售额之外,还可以通过了解客户对产品的感知、价值、信任和使用方式来了解产品的需求。这些因素可以支持购买决策。它们可以用来感知市场对产品的需求。Qualtrics Core XM帮助我们利用我们在上一篇博客中建立的产品满意度调查来获取这些有意义的见解。

在本博客中,美国云数据库,我们研究了如何在Core XM中分析数据以达到这一特定目的。重点之一是了解SAP Integrated Business Planning中的需求感知算法如何从Qualtrics中消化此分析。

步骤1–了解目标用途

我们喜欢收集经验数据来感知产品的需求。在SAP Integrated Business Planning中,这称为需求感知。需求感知是一种规划过程,它根据内部(例如,预测、销售历史、发货、未结订单)和外部(例如,产品实际用户对产品的满意度)的需求信号,以精细的每周/每日级别对需求预测进行微调/优化。除了现成的内部数据外,云服务器新手,此过程最多可容纳8个外部需求信号。这些信号可以建模为sapibp中的关键数字。像其他关键人物一样,这个额外的信号与计划水平有关。此级别由4个关键属性组成,云服务器的云,它们是–产品、客户、位置和作为时间轴的周或日。如果我们从Qualtrics Core XM向SAP IBP提供一个称为"产品满意度得分"的附加信号,我们需要将此信号与这4个属性一起插入。调查回复中已经包含了调查完成时的时间戳,在两周之间做一个平均分数会给出一个时间戳。当用户从产品页面单击survey按钮时,我们通过web商店导入产品id。另一方面,还可以选择性地从同一来源捕获客户或位置。为此,我们需要定义嵌入的数据模型,这是在博客的前一部分中完成的。因此,作为下一步,我们准备调查响应作为用于需求感知的机器学习算法的数字输入(称为产品满意度得分)。

首先,我们在SAP IBP的计划区域内创建产品满意度得分的关键数字,并将产品客户位置周作为计划级别。我们需要再创建3个关键数字,这是需求感知算法所需要的。下表给出了详细的定义:

第2步-准备回答

在Qualtrics中,我们倾向于在调查中保持问题数量少且有意义。然而,我们需要将调查结果解释为一个分数。我们将每个问题的调查结果从0分到10分进行权衡,这取决于它们对感知、价值、信任、使用以及最终导致产品满意度的意义。它们可在"调查"->"工具"->"评分"下使用。我们为每个答案给出了不同的值。所有的答案都是一组选择题,并用一个权重来表示。

图1。在图1中,你可以看到一个带有多项选择答案和每个选项的分数的问题。您还可以看到,该问题有一个嵌入的数据字段,可以用产品ID填充。这样,相同的调查和评分可以重复用于其他产品,也可以用于捕获进一步分析所需的其他元数据。

步骤3-生成分析报告。

对于意义完整的分析,建议收集大量的回复,比如500多条。在Qualtrics core XM中收集原始数据之后,我们根据在第2步中所做的评分生成数据报告。我们每周都会打破这个分数,因为SAP IBP拥有每周计划级别定义的关键数字。我们考虑一周的平均值作为产品满意度得分。在Core XM中,可以将此报告导出为CSV文件。这样做将允许导出产品的计算分析。

步骤4-创建预测模型

在SAP IBP中,云储存数据库,我们需要定义触发需求感知计算所需的算法和参数。我们从定义关键数字开始,这是我们在步骤1中做的。最后,我们创建了两个预测模型。一个考虑产品满意度得分,另一个不考虑得分,以了解这种额外的信号在需求感知中的影响。

当前网址:http://www.vmchk.com/meishi/67217.html

 
你可能喜欢的: