STATISTIK-FORUM.de

[unic0der]

Liebe Forenmitglieder,

Habe hier eine Tabelle mit Daten aus einem Onlineshop und will diesen entsprechend optimieren. Dafür müsste ich aber zunächst die Daten analysieren.


Legende:
id: Bestellnummer
shipping_time: Zeitpunkt der Auslieferung
shipping_type: Zustellung oder Selbstabholung
branch_id: Filial-ID
customer_id: Kundennummer
created_at: Zeitpunkt der Bestellung
prod_X: Bestellmenge pro Produkt

Was mich interessieren würde:
• Hat die Saison Einfluss auf das Kaufverhalten (D.h. Gibt es in gewissen Monaten eine Präferenz zu gewissen Produkten)? Ich möchte diese Frage nur mit ja/nein beantworten können.
• Haben gewisse Stammkunden eine Affinität zu gewissen Produkten (D.h. Kann man aus der letzten Bestellung eines Stammkunden, erkennbar an der customer_id, voraussagen, dass er das nächste Mal wieder ähnliche Produkte bestellen wird)? Ich möchte diese Frage nur mit ja/nein beantworten können.

Welches bzw. welche Verfahren bringe ich hierzu am Besten zum Einsatz?

[PonderStibbons]

Sieht eventuell nach Kreuztabellen aus (Monat x Produktkategorie bzw. Stammkunde ja/nein x Produktkategorie).

Mit freundlichen Grüßen

P.

[unic0der]

Sieht eventuell nach Kreuztabellen aus (Monat x Produktkategorie bzw. Stammkunde ja/nein x Produktkategorie).
Mit freundlichen Grüßen
P.

Nope, denke das ist noch nicht ganz was ich suche. Ich hätte am Schluss zu jeder Frage gerne einen "Wert" der mir darüber Auskunft gibt ob es einen Zusammenhang gibt, oder nicht. Also z.B. dass am Schluss ein Korellationskoeffizent p steht (wie z.B. bei einer multiplen Regression). Ich sehe nicht wie ich das mit Kreuztabellen erreiche.

[strukturmarionette]

Hi,

Was mich interessieren würde:
• Hat die Saison Einfluss auf das Kaufverhalten (D.h. Gibt es in gewissen Monaten eine Präferenz zu gewissen Produkten)? Ich möchte diese Frage nur mit ja/nein beantworten können.
• Haben gewisse Stammkunden eine Affinität zu gewissen Produkten (D.h. Kann man aus der letzten Bestellung eines Stammkunden, erkennbar an der customer_id, voraussagen, dass er das nächste Mal wieder ähnliche Produkte bestellen wird)? Ich möchte diese Frage nur mit ja/nein beantworten können.

Beides geht nicht:
Einerseits steht in den Sternen, was unter 'Saison' 'gewisse Monate' zu verstehen ist, andererseits fehlt so etwas wie eine Produktkategorievariable bzw Spezifizierung dessen, was das sein soll.

Somit ist zunächst noch einiges an Vorüberlegungen, Vorarbeiten, Datenaufbereitungen erforderlich.

Gruß
S.

[unic0der]

xx

[unic0der]

Beides geht nicht:
Einerseits steht in den Sternen, was unter 'Saison' 'gewisse Monate' zu verstehen ist,

Es gibt ja die Spalte created_at (= Datum): Hier kann man einfach herauslesen welche Bestellung in welchem Monat getätigt wurde.
Ich will wissen ... gibt es Unterschiede im Bestellverhalten zwischen Januar, Februar, März, April, Mai, Juni, Juli, younameit ...
Antwort: Ja/Nein.

andererseits fehlt so etwas wie eine Produktkategorievariable bzw Spezifizierung dessen, was das sein soll.

Ebenfalls vorhanden. Siehe die Spalten prod2, prod3, bis prodX in der Tablelle. Natürlich könnte ich sie auch Bananen, Äpfel und Birnen benennen. Ändert aber nichts am Grundprinzip.

Somit ist zunächst noch einiges an Vorüberlegungen, Vorarbeiten, Datenaufbereitungen erforderlich.
Gruß
S.

Ehrlich ... ich bin ratlos. Aus meiner Sicht sind alle Daten da. Ich bin aber kein Statistik-Experte - geschweige denn ein Anfänger.

[strukturmarionette]

Hi,

Aus meiner Sicht sind alle Daten da.

- ich will Dir dann keinesfalls widersprechen, so dass Du meine Hinweise als Nebensache betrachten kannst
- eingehende konkrete Tipps für mögliche Auswertungsprocederes hatte ja bereits PonderS gemacht, auf die ich nochmals verweise

Gruß
S.

[bele]

Hallo unic0der,

ein schlauer Mann hat man gesagt, die Vierfeldertafel sei die zweitwichtigste Erfundung der Menschheit nach dem Rad. Mag sein.

Nope, denke das ist noch nicht ganz was ich suche. Ich hätte am Schluss zu jeder Frage gerne einen "Wert" der mir darüber Auskunft gibt ob es einen Zusammenhang gibt, oder nicht.

Stell Dir PonderStibbons einfach als einen großen Ozean der Weisheit vor und immer wenn der Ozean Kreuztabelle denkt, dann singen ein paar Wellen "Chiquadrat-Unabhängigkeitstest", einige Küsten rufen "odds ratio" und irgendwo in der Tiefe singen ein paar Waale "Fisher-Test". Beschäftige Dich mit dem Ökosystem rund um Kreuztabellen und dann verstehst Du die Antwort in aller Umfänglichkeit.

Möge Google mit Dir sein,
Bernhard

[unic0der]

Stell Dir PonderStibbons einfach als einen großen Ozean der Weisheit vor und immer wenn der Ozean Kreuztabelle denkt, dann singen ein paar Wellen "Chiquadrat-Unabhängigkeitstest", einige Küsten rufen "odds ratio" und irgendwo in der Tiefe singen ein paar Waale "Fisher-Test". Beschäftige Dich mit dem Ökosystem rund um Kreuztabellen und dann verstehst Du die Antwort in aller Umfänglichkeit.

Danke, mit diesem zusätzlichen Hinweis gehts jetzt in die richtige Richtung ... Zu Frage 1 ... Geht nun die Datenaufbereitung in die richtige Richtung?
->


Ansatz zu Frage 2. Wobei ich mich frage ob es einen schlaueren Weg gibt die Daten aufzubereiten, um nur einen Chi-Quadrat-Test machen zu müssen.
->

[strukturmarionette]

Hi,

na ja.
Irgendwelche nachvollziehbaren sinnvollen Produktkategorienbildungen passend zur Fragestellung sind nicht erfolgt.
Auch bleibt die dargestellte Vorgehensweise zur Beantwortung Deiner zweiten Hypothese (Voraussage von Käufen) vage.
Es scheint aber so zu sein, dass Du wegen Deiner offenbar sehr großen Stichprobe auch 'elegantere' Verfahren als den Chi²Test auf Unabhängigkeit zweier kategorialer Variaben anwenden könntest.
(ggfs Logit-, Probit Modelle)

Gruß
S.