На основе полученных данных можно. Оценка ликвидности предприятия. На основе статистических данных, полученных

На основе полученных данных можно сделать вывод о том, что преобладающим первичным стилем взаимодействия опрашиваемых является авторитарно - бюрократический, который характеризуется стремлением жить по правилам, соблюдать должностные инструкцию и «держать дистанцию» при контактах с клиентами при видимом внешнем радушии.

С одной стороны, такие отношения между сотрудниками способствуют высокой мотивации работников, проявлению инициативы, вырабатыванию группового мышления.

С другой стороны, и об этом также свидетельствуют результаты исследования, существует опасность возникновения такой ситуации, когда некоторые сотрудники будут работать «спустя рукава», то есть избегать инициативы при реализации стиля взаимодействия.

Анализ существующего стиля взаимодействия сотрудников ООО «Элит-С» позволяет определить основную проблему отношений внутри трудового коллектива. Она кроется в отсутствии в организации эффективной системы поощрений и наказаний работников по результатам их деятельности.

Основной вывод, который можно сделать, резюмируя исследовательскую часть работы - это необходимость разработки и внедрения управленческих мероприятий, которые помогут устранить основные недостатки стиля взаимодействия членов трудового коллектива организации.

Поэтому во второй, практической части были исследованы предпочитаемые стили взаимодействия работников фирмы, сделана попытка оценить особенности поведения менеджеров, в зависимости от их стиля взаимодействия.

В третьей части работы были определены основные направления совершенствования стиля взаимодействия персонала организации, даны рекомендации по выработке поведенческих норм сотрудников в зависимости от целей организации и от этапа жизненного цикла фирмы.

Как одна из мер может быть была предложена системы санкций и поощрений, направленная на повышение эффективности деятельности и на поддержание дисциплины в коллективе.

Может вызвать удивление выбор системы санкций как метод совершенствования отношений в коллективе, однако, при выявленном стиле взаимодействия – административно-бюрократическом указанная мера может быть эффективной, так как для менеджеров этой фирмы важным является знание и соблюдение правил поведения.

Привлечение внимания обслуживающего персонала к организации рабочего места, безусловно, так же является важной мерой совершенствования способа взаимодействия сотрудников.

В целом же исследование показало, что для достижения максимально эффективного стиля взаимодействия сотрудников руководитель организации должен уделять большое внимание своим подчиненным, их поведению в различных ситуациях, поощрять одних за достижения в профессиональной деятельности, к другим применять санкции за нарушения трудовой и исполнительской дисциплины.

В любом случае, стиль поведения работников организации со временем меняется под воздействием внешних и внутренних факторов, поэтому анализ деятельности персонала нужно систематически анализировать и корректировать. Следует также проводить тренинги взаимодействия для отработки наиболее эффективного способа деятельности. Особую важность это имеет для организаций сферы обслуживания, так как для работников этой отрасли информационный контакт с клиентом является его профессиональным инструментом деятельности.

К внешним факторам влияния на систему взаимоотношений относятся факторы характерные для многих фирм: это офис, удобство посещений, получение необходимой информации по телефону, полнота информации, внешний вид сотрудников, диапазон услуг, скорость обслуживания, гарантированное качество продукции, выполнение обязательств, высококвалифицированные специалисты, отзывы бывших клиентов, привлекательность цены, вежливость персонала, фирменный знак, фирменная одежда, финансовая надежность, мнения клиентов, опыт работы на рынке.

В практике взаимодействия организации сферы обслуживания с клиентами существует четыре типа поведения: клиентурное, антиклиентурное, псевдоклиентурное и избирательно-клиентурное. Это свидетельствует о том, что процесс общения с покупателями и потребителями товаров и услуг оказывается неоднозначным.

В бизнес - организации постепенно происходит маркетинговый «сдвиг» управленческого сознания. Создается ситуация, когда поведение персонала оказывается значимым в процессе имиджевого нормообразования, другими словами, организационное поведение работника реально становится фактором, повышающим привлекательность для клиента. При этом усиливается целенаправленное управление поведением персонала со стороны руководства.

КРАТКОСРОЧНОЕ ПРОГНОЗИРОВАНИЕ ПАССАЖИРОПОТОКОВ

НА ОСНОВЕ СТАТИСТИЧЕСКИХ ДАННЫХ, ПОЛУЧЕННЫХ

ЭМПИРИЧЕСКИМ ПУТЕМ

Нефедов В.В., Русских М.В.

Особенностью частных пассажирских перевозок (ПП) в ряде российских городов

является низкий уровень их организации. Это связано с неупорядоченным

планированием маршрутов движения пассажирских автотранспортных средств преимущественно по тем участкам улично-дорожной сети (УДС), на которых сосредоточены массовые пассажиропотоки. В связи с повышением уровня автомобилизации и увеличением подвижности населения на фоне недостаточных темпов развития УДС остро стоит проблема оптимизации ПП, направленная на динамическую адаптацию их к постоянно меняющимся условиям. Особое внимание в этом вопросе следует уделить прогнозированию пассажиропотока по часам суток и дням недели, а также прогнозированию дорожных условий.

В данный момент большинство пассажироперевозчиков не имеют достоверной информации о перевозимых пассажирах по часам суток. Это вызывает определенные трудности в планировании графика движения, т.к. неизвестно, сколько может понадобиться автобусов на перевозку. Решение этой проблемы заключается в краткосрочном прогнозировании пассажиропотока, которое позволит с большой вероятностью посчитать загруженность маршрута на ближайшее время и как следствие корректировать количество автобусов на линии.

Для автоматического определения количества пассажиров, перевозимых единицей городского транспорта, существуют разнообразные способы. Рассмотрим самые распространенные из них.

1) Контактно-турникетный способ предполагает вести подсчет перевозимых пассажиров при помощи установки в салоне автобуса специальных турникетов.

Есть возможность совмещения с ними систем оплаты проезда. Достоинством такой системы является большая точность подсчета. К недостаткам можно отнести затруднение заполнения салона, так как посадка будет вестись через переднюю дверь.

2) Способ подсчета пассажиров с помощью датчиков, выполненных в виде ступеньки. Они устанавливаются на входе в автобус в виде специальных пластин, которые реагируют на нажатие. При наличии в автобусе двух ступенек имеется возможность установления двух датчиков для подсчета входящих и выходящих пассажиров. Недостатком такой системы является механическое воздействие пассажиров на датчики, что приводит к их быстрому износу.

3) Способ подсчета пассажиров с помощью инфракрасных датчиков. Они бывают активного и пассивного типа. На практике рекомендуется применять устройства, включающие оба типов датчиков. Точность подсчета варьируется от 70 % до 95 % в зависимости от выбора производителя. Имеется возможность учета входящих и выходящих пассажиров.

4) Способ подсчета пассажиров с использованием датчиков, позволяющих получать 3D изображение пространства. Принцип действия заключается в от

–  –  –

Анализируя вышеописанные способы подсчета пассажиропотока можно сделать вывод, что для задачи прогнозирования наиболее подходят инфракрасные датчики, так как они имеют допустимую точность подсчета, достаточную для оценки объема перевозок, а также не подвержены механическим воздействиям и имеют достаточно низкую цену.

На основе полученных статистических данных можно судить о мощности, напряженности пассажиропотока по отдельным частям маршрута или в целом по его длине, объеме перевозок. Графически пассажиропотоки изображаются в виде эпюр (рис. 1, 2, 3). где по оси ординат откладываются их величины, а по оси абсцисс дискретно время суток, дни недели, месяцы года, спрямленная длина маршрута и указывается направление движения.

–  –  –

Рисунок 3 – Эпюра распределения пассажиропотока по длине маршрута Из эпюр видно, что городским пассажироперевозкам характерны резкие колебания пассажиропотока по часам суток (возрастают в часы поездок населения на работу и с работы и уменьшаются в утренние, дневные и вечерние «не пиковые»

часы), а также по дням недели (в предвыходные дни пассажиропоток возрастает, а в будние уменьшается).

Разработка алгоритма краткосрочного прогноза пассажиропотока связана с учетом многих факторов, которые образуются как под действием причинноследственных связей, так и по причине неопределенности. Последние усложняют задачу и требуют использовать в комплексе функциональные и вероятностно статистические методы для получения конкретных решений. Задача краткосрочного () прогнозирования заключается в определении значения пассажиропотока (), …, если известны значения () (), …, () и значения факторов, влияющие на прогнозное значение потока в моменты, …, и в моменты.

Представим эти факторы в виде матрицы | |:

| | ||, | | где в – -тый фактор, определяющий величину пассажиропотока в -тый час того дня -того месяца -того года. Величины имеют следующие значения:

l – 1, 2, …, 30, 31;

1, 2, …, 11, 12;

Состав исходных факторов включает:

отражает час дня.

признак типа дня. В отношении этого фактора была принята следующая система кодирования: 1 - послепраздничные и послевыходные дни, 2 – полные рабочие дни недели, 3 – выходные, 4 – суббота, 5 – праздничные дни, 6– воскресенье, 7 – предвыходные дни, 8 – предпраздничные дни.

Признак месяца, кодируется следующим образом: 1 – январь, февраль, март, 2 апрель, май, 3 – сентябрь, октябрь, 4 – ноябрь, декабрь, 5 –июнь, 6 – июль, 7 – август.

Признак декады внутри месяца. Коды: 1 – дни первой декады, 2 – дни второй декады, 3 – дни третьей декады.

Признак новизны информации. Значения кодируются таким образом, чтобы по мере приближения к прогнозной ситуации они возрастали.

Средняя температура воздуха для суток, отстоящих от прогнозного дня на 24 часа.

То же для суток, отстоящих на 48 часов.

средняя температура воздуха в прогнозные сутки.

соответственно осадки для суток, отстоящих от прогнозных на 24 и 48 часов.

Количество осадков в сантиметрах для прогнозных суток.

показатель облачности для рассматриваемых суток в баллах.

Если указанные ситуации относятся к одному и тому же году, то базисное значение потока пассажиров определяется по формуле :

–  –  –

Использование рассмотренной формулы позволяет осуществить эффективный краткосрочный прогноз. Однако наличие случайных факторов, таких как аварийные ситуации, непредсказуемое изменение характера деятельности населения, ошибки прогнозирования, небольшое число факторов, учитываемых при расчетах, приводят к необходимости учета случайной составляющей.

На основе статистических данных и прогноза при учете всех вышеперечисленных факторов для автобусного маршрута № 94 города Ростова – на – Дону получили следующую диаграмму пассажиропотока (рис.

–  –  –

Рисунок 4 - Диаграмма пассажиропотока

Потребное число автобусов по каждому часу определяется согласно выражению:

–  –  –

Рисунок 5 - Диаграмма выпуска автобусов на линию по часам суток Интервал движения, как и число автобусов на линии, изменяется по часам движения в зависимости от величины пассажиропотоков и определяется зависимостью:

Таким образом, данные методы подсчета количества пассажиров, перевозимых единицей городского пассажирского транспорта, позволят получать объективные данные об объемах пассажирских перевозок на транспорте. Это позволяет судить о реальной загруженности транспорта пассажирами, а также после накопления статистики вести эффективный прогноз востребованности перевозок. Наличие информации о наполнении салона вместе с текущим местоположением транспорта на маршруте позволит кардинально изменить подход к диспетчерскому управлению, перейдя от регулирования интервала на конечной остановке к динамическому изменению расписания при нештатных изменениях дорожных условий и спроса на перевозку.

СПИСОК ЛИТЕРАТУРЫ

1. Автоматика и телемеханика. 2003, вып. 11. С. 3-47.

2. П авдин Н.В., Не ей В.Я. Прогнозирование пассажирских потоков (методика,

Полное руководство по атрибуции на основе данных от Google (Часть 1)

Недавно аналитический сервис Google Analytics (Adometry) представил руководство по атрибуции на основе данных. Этот полезный документ призван пояснить, что представляет собой функционал атрибуции на основе данных, для чего он используется и как начать с ним работать. Мы решили перевести это руководство, чтобы сэкономить ваше время и донести пользу функционала до каждого маркетолога.

Атрибуция на основе данных позволяет маркетологам знать больше, а гадать меньше. Если вы все еще заботитесь лишь о самой последней точке взаимодействия, то имейте в виду, что, возможно, около 20%-40% вашего потенциального увеличения ROI просто теряются.

Атрибуция на основе данных позволяет получить невероятно детализированный уровень визуализации пути пользователя по сайту, что даёт специалистам фактическую основу для принятия решений, увеличения эффективности и получения большего от маркетинговых инвестиций.

Немного статистики:

• Использование продвинутой атрибуции в 5 раз чаще встречается среди самых лучших маркетинговых компаний;
• 54% маркетологов все еще смотрят только на last-click.

Предположения о том, как ваши маркетинговые действия влияют на поведение покупателей - это маркетинговая стратегия без достаточной информационной основы. Атрибуция на основе данных позволяют увидеть весь путь пользователя до совершения покупки, а значит - управлять своей стратегией, основываясь на поведении реальных клиентов.

Точки роста:

• Снижение уровня усилий, необходимых для создания кросс-канальных отчетов на 25-50%;
• Увеличение оптимизации по каналам PPC, Партнерским программам, Email и Социальным сетям на 10-20%;
• Увеличение общей производительности по всем каналам на 20-40%;
• Увеличение отдачи от инвестиций в маркетинг на 25-50%.

Что такое Атрибуция?

Атрибуция - это процесс отслеживания и оценки всех маркетинговых кампаний, которые ведут к желаемому результату. Атрибуция на основе данных включает в себя мощную комбинацию предсказуемых алгоритмов и интегрированной аналитики, чтобы понять и верно оценить все маркетинговые усилия, которые ведут к конверсии.

Модель имеет значение

Не все модели атрибуции одинаковы. Ценность конверсии присваивается в них по разным методам и утвержденным формулам.

Одно взаимодействие : Вся ценность конверсии присваивается одному каналу в цепочке взаимодействий – обычно первому или последнему.

Линейная модель : Ценность конверсии распределяется равномерно по всем каналам в цепочке взаимодействий – если каналов 4, то каждый получит по 25%.

Привязка к позиции : Вместо того, чтобы присваивать всю ценность первому или последнему каналу, можно поделить ее между ними. Обычно она распределяется следующим образом: по 40% первому и последнему каналу и 20% – всем остальным.

Обычные модели атрибуции отвечают на стандартные маркетинговые запросы. Сегодня, мультиканальный маркетинг требует более глубокого подхода для получения желаемых результатов.

Правила нужны, чтобы их нарушать

Обычно все заслуги в атрибуции приписываются сверху вниз: обычные модели атрибуции не отдают должного каждой точке взаимодействия. В отличие от атрибуции на основе данных, где каждая точка взаимодействия важна, ведь именно так данные собираются - снизу вверх.

В таких случаях необходим алгоритм, который поможет понять, какие точки наиболее важны. Анализируя всю цепочку конверсии, учитывая общее количество, их порядок и способ взаимодействия с пользователем, можно сложить все необходимые факторы для достижения желаемого результата.

В чем преимущество атрибуции на основе данных?

Оцените свои маркетинговые активности и собранные данные, чтобы понять, насколько вы готовы к использованию атрибуции на основе данных. Некоторые решения требуют заранее собранных точных данных, а также серьезных организационных решений.

Получите ли вы выгоду от атрибуции на основе данных?

Атрибуция на основе данных - это способ моделирования по сложным алгоритмам, который позволяет найти и проанализировать статистически схожие модели среди огромного количества данных. Не у всех накоплено столько подробной информации, чтобы выгодно использовать атрибуцию на основе данных.

Недостаточно качественные данные

Полноценная мультиканальная атрибуция на основе данных может не подойти тем компаниям, у которых либо недостаточно накопленных данных, либо эти данные не качественные.

Недостаток данных . У компаний, которые мало занимаются интернет-маркетингом и используют лишь пару каналов, будет слишком мало данных, чтобы использовать их.

Необработанные данные . У маркетологов, которые стремятся к использованию, как можно большего числа каналов, другая проблема – данные нужно обработать и структурировать. В таком случае велик риск неверных выводов.

Совет:

Если вы используете и онлайн, и оффлайн каналы в маркетинге, то атрибуция на основе данных должна базироваться на информации с максимального количества источников. Вы должны иметь возможность обработать эту информацию и привести ее к целостному виду.

Как атрибуция на основе данных впишется в стандартный набор инструментов аналитика?

Чтобы придать импульс новой стратегии по атрибуции, убедитесь, что все ответственные сотрудники понимают назначение и ограничения аналитических инструментов - и то, как атрибуция на основе данных может сделать ваш маркетинг измеримым.

1. Создание маркетингового микса;
2. Real-Time Bidding (RTB) и Demand-Side Platforms (DSP);
3. Работа с рекламой и поисковыми системами;
4. Аналитика;
5. Управление взаимодействием с пользователем (CRM);
6. Управление кампаниями по разным каналам (CCCM);
7. Платформы управления данными (DMPS).

Как атрибуция на основе данных вписывается в мой набор инструментов?

Вы можете сесть на табуретку, чтобы посмотреть решающий матч любимой команды по ТВ - но ведь кресло было бы лучше? Также и с данными о пользователях, проходящих свой путь - важно в каждой ситуации использовать правильный инструмент, и знать его возможности и ограничения.

Атрибуция на основе данных объединяет и завершает ваш набор инструментов, создавая единый и надежный источник информации о маркетинговых событиях. Если другие инструменты показывают лишь определенные данные, атрибуция позволяет увидеть общую картину.

1. Моделирование Маркетинг-Микса (MММ):

Вы закончили кампанию и теперь хотите увидеть общую картину. Что вам нужно: МММ или атрибуция на основе данных? Атрибуция позволяет понять, как маркетинг работает на уровне пользователя, точно показывая, что происходит в каждой точке взаимодействия. МММ, с другой стороны, позволяет увидеть все маркетинговые действия, собранные на одном уровне, учитывая все детали. Для достижения наилучших результатов убедитесь, что данные атрибуции используются в МММ деятельности.

Кратко:

МММ позволяет планировать и оптимизировать деятельность на общем уровне, в то время как Атрибуция обращает внимание на каждую точку взаимодействия в отдельности. Для достижения лучших результатов, совмещайте атрибуцию на основе данных с современными моделями маркетинг-микса.

2. Real-Time Bidding (RTB) и Demand-Side Platforms (DSP)

Как ваша кампания обратится к таргетированной аудитории по нескольким различным каналам? По данным конверсий, RTB и DSP платформы постоянно улучшаю свои возможности таргетинга. Но помните, что их доход зависит от объемов показов. У RTB и DSP свой интерес в том, чтобы высоко оценивался именно их показ. Так как они измеряют только свои рекламные объявления, то, в результате, они переоценивают себя. Они не могут отследить весь путь до покупки, и не могут точно оценить уровень атрибуции для контента, который публикуют.

Кратко:

У RTB и DSP ограниченный обзор - им недоступна оценка в непредвзятом ключе с разделением на каждый шаг. Атрибуция на основе данных позволит увидеть ту информацию, которую ваши партнеры смогут использовать для покупки наиболее успешных размещений.

Благодаря поисковикам и рекламным серверам вы можете понять, как работают ваши объявления. Эти инструменты не только объясняют, где и когда было показано объявление, но также отслеживают основные их основные характеристики. Например, вы можете узнать, какие объявления работают лучше – впрочем, лишь в рамках вашей кампании на одном канале. Если же рекламный сервер будет учитывать статистику по всем объявлениям везде, то велик риск, что какие-то показы будут учтены дважды.

Кратко:

4. Аналитика

Аналитика по сайту - важнейший инструмент для улучшения показателей вашей страницы или мобильного приложения. Отслеживание, сбор, анализ и отчеты по событиям на сайте позволяют понять желания пользователей. Обычно, аналитика предоставляет данные в формате "последнего взаимодействия", так как отслеживается лишь клик, совершенный до перехода на сайт. Вы упустите самые первые точки взаимодействия, такие как показы или социальные сети.

Кратко:

Аналитика по сайту ˜- часть, но не замена атрибуции на основе данных, которая позволяет получить данные по полному пути пользователя на ваш сайт.

5. Управление взаимодействием с пользователем (CRM)

Как только у вас появляются покупатели, вам понадобится CRM для отслеживания транзакций и обращений. Но, в первую очередь, CRM предназначены для предоставления поддержки и обслуживания, а не для маркетинговых целей. И хотя CRM умеют отслеживать данные по разным каналам, они предоставляют ограниченные данные по получению пользователей.

Кратко:

6. Управление кампаниями по разным каналам (CCCM)

Системы CCCM похожи на CRM, но больше предназначены для маркетинга, чем для поддержки пользователей. Эти базы данных содержат контактную информацию - имена, адреса, email или SMS, что может помочь с таргетингом аудитории. Но хотя CCCM и помогают с выбором и обращением к пользователям, они не могут отследить отклик от аудитории, так что вы не получите никакой аналитики.

Кратко:

Данные CRM являются частью атрибуции на основе данных и позволяют лучше понять поведение пользователей.

7. Платформы управления данными (DMPS)

DMP - технологическая платформа, позволяющая соединить данные из разных баз, нормализовать и сегментировать их. В результате DMP является отличным инструментом по сбору данных, который пригодится в атрибуции на основе данных. Однако DMP не дает рекомендаций по тому, как можно оптимизировать маркетинг на выбранных каналах.

Кратко:

DMP и атрибуция на основе данных дополняют друг друга. DMP собирает и сегментирует данные, позволяя увидеть в атрибуции возможности для роста.

Предположим, вы запускаете кампанию с узким таргетингом, чтобы привлечь свою аудиторию. Точка зрения агентства часто ограничена лишь каналами, которыми они занимаются, а также присутствует интерес в предоставлении данных, показывающих их позитивную работу. И хотя агентства часто работают с аналитикой, а некоторые даже стараются отследить атрибуцию, у них все равно зачастую не хватает данных и знаний, чтобы сделать нужные выводы.

На какие вопросы отвечает Атрибуция на основе данных?

Угадывайте меньше, а знайте больше. Атрибуция на основе данных предоставляет множество преимуществ по всем каналам, включая рекомендации, факты для ведения бюджета и инвестирования.

На какие вопросы отвечает атрибуция на основе данных?

Благодаря атрибуции на основе данных вы можете получить ясную и развернутую карту путешествия пользователя по вашему сайту. Четкая картина позволяет улучшить будущие кампании и оптимизировать те, что уже запущены. Перед тем как внедрять это решение, всем важно понять - особенно это касается акционеров, какие три важнейших преимущества дает атрибуция на основе данных.

1. Внутри-Канальные преимущества . Обратите внимание на то, какие элементы вашей кампании работают лучше по каждому из каналов. Высокий уровень детализации позволит понять, что именно работает лучше – вы сможете принять нужные решения.
2. Кросс-Канальные преимущества . Вы получите ясные данные по всем каналам, сможете сравнить их эффективность и внести коррективы. Объединив отчеты, вы сможете лучше планировать и стратегически управлять своими маркетинговыми действиями.
3. Продуктивность . Забудьте про долгие сравнения данных и отчетов. Теперь вся информация собрана вместе. Это значит, что все отделы вашей компании могут быстрее и точнее принимать решения на основе полученных данных. Есть даже возможность онлайн-выгрузки данных для совместной работы с удаленными партнерами.

С помощью атрибуции на основе данных в можете изучить прошлое, предсказать будущее, а также изменить свое маркетинговое настоящее. Те маркетологи, которые используют атрибуцию на основе данных, уже оценили все те преимущества, о которых написано ниже.

Внутри-канальные преимущества

• Статус бренда . Убедитесь, что ваша реклама не показывается на негативных сайтах или рядом с дискредитирующим контентом.
• Видимость . Убедитесь, что реклама действительно показана, а не спрятана в недоступных для просмотра областях страниц.
• Отслеживание . Убедитесь, что геотаргетинг, быстрота и остальные цели кампании выполняются.
• Частота показов . Убедитесь, что выставлена и поддерживается оптимальная суточная частота показов.
• Гео- и временной таргетинг . Убедитесь, что аудитории настроены географически и выставлены правильные временные настройки.
• Креативность . Выявите лучшие и худшие объявления. Внесите креативные, таргетинговые и прочие изменения, сделанные на основе полученных данных, в свой медиа план.
• Снижение повторений . Убедитесь, что одна и та же реклама не показывается пользователю сразу на нескольких сайтах - вы тратите лишние деньги, а конверсию это не поднимает.

Планирование Бюджета

Размышляете над бюджетом для показов? Помните, что показы могут на 30% увеличить конверсию из поисковых систем, так что есть смысл закладывать на них бюджет крупнее. Больше показов приведут к увеличению трафика из поисковиков, а, значит, вы увеличите общее число пользователей, к которым обратились.

Оптимизация

Хотите улучшить показатели текущей кампании и инвестировать в самое популярное объявление? Возможно, это не лучшее решение. Атрибуция на основе данных покажет влияние каждого дополнительного доллара, так что вы сможете принять решение на основе фактов, а не домыслов. В результате, вы можете решить, что дополнительный бюджет нужнее email или поисковым кампаниям.

Кросс-канальные преимущества

• Планирование бюджета . Информация из атрибуции на основе данных поможет вам четко понять, как каждый из каналов влияет в итоге на достижение ваших целей. Соответственно, оптимизируйте свой бюджет.
• Оптимизация . Нелинейная модель позволяет вам настраивать и корректировать кампании на лету с большим уровнем точности.
• Анализ влияния . Отчеты по воронкам позволяют увидеть, как каждый из каналов влияет на эффективность другого. Поймите настоящую ценность каждого из своих каналов.
• Стратегия кампаний . Вы сможете увидеть, как, по всем каналам, работают ваши кампании, какие схемы работают лучше, а что - нужно улучшить, чтобы успешней обращаться к пользователям.

Продуктивность и эффективность

• Общие метрики . Оценив все каналы через одну систему, вы сможете привести их все к одним и тем же наборам метрик, которые привязаны к вашему бизнесу, а не к каналу в отдельности.
• Общие отчеты . Точно так же, одна система будет использоваться и для отчетов. Вы экономите время на выгрузке из различных систем, к тому же единый вид всех отчетов станет понятнее каждому сотруднику.
• Гибкая настройка . Атрибуция на основе данных позволяет взглянуть на отчеты с различных сторон (равно как и выгружать их). Вам не придется приводить один общий отчет к виду, чтобы он ответил на все вопросы сразу. Лучше потратьте это время на оптимизацию своих кампаний благодаря найденной в отчетах информации.
• Возможности интеграции . Возможности подключения к различным маркетинговым экосистемам позволяют вам выгружать метрики атрибуции напрямую своим RTB партнерам для автоматической обработки.

Теперь вы знаете, как используется и чем полезна атрибуция на сегодняшний день.

Рассмотрим пример того, как можно на основе полученных эмпирических данных оценить параметры распределения случайной величины. Пусть у нас есть результаты оценки 20 мужчин и 20 женщин по шкале феминность – маскулинность опросника ММРI (табл. 1.1).

Таблица 1.1

Результаты оценки феминности – маскулинности (в порядке возрастания)

Оценка математического ожидания но данным эксперимента

Выполним оценку математического ожидания по данным эксперимента. Для начала посмотрим, как можно "вручную" оценить величины математического ожидания для выборки мужчин и женщин. Вспомним, что в этом случае у нас есть три варианта действий.

• 1. Оценка среднего арифметического . Для того чтобы использовать эту возможность оценки математического ожидания, необходимо прежде всего подсчитать суммы всех тестовых баллов отдельно для выборки мужчин и женщин. Результат оказывается следующим: общая сумма баллов для мужчин составила 724, для женщин – 586. Теперь полученные суммы необходимо разделить на объем выборки. В нашем случае и мужская, и женская выборки содержат по 20 человек. Таким образом, воспользовавшись формулой (1.2), получаем, что оценка математического ожидания для выборки мужчин составляет 36,2 балла, для выборки женщин – 29,3 балла.
• 2. Оценка моды распределения . Вспомним, что модой называют наиболее часто встречающееся значение. Для того чтобы оценить ее, построим для начала частотное распределение тестовых баллов для двух выборок. Результаты таких подсчетов представлены в табл. 1.2, где указаны все набранные испытуемыми баллы, а также число испытуемых – мужчин и женщин – набравших соответствующее число баллов. Те же данные можно представить более наглядно в виде гистограммы (рис. 1.3). Гистограмма отражает связь между наблюдаемыми значениями случайной величины и частотой их проявления. Непосредственно наблюдаемые значения, как правило, откладывают по горизонтальной оси (оси абсцисс), частоты их проявления – по вертикальной (оси ординат).

Таблица 1.2

Распределение набранных баллов феминности – маскулинности в группах мужчин и женщин

Таким образом, представленные данные свидетельствуют о том, что в группе мужчин три значения встречаются наиболее часто, по три раза: 30, 31 и 41 балл. Таким образом, в этой группе мы не обнаруживаем моды распределения. В группе женщин одно значение встречается чаще других – 33 балла. Это и есть мода распределения. Как видим, это значение несколько отличается от того, что было получено при расчете среднего арифметического, которое оказалось 29,3.

Рис. 13.

3. Оценка медианы . Для того чтобы оценить медиану распределения в двух выборках, необходимо прежде всего упорядочить полученные нами данные по возрастанию. В табл. 1.1 данные представлены именно таким образом. Поскольку у нас по 20 испытуемых в каждой группе, то середина вариационного ряда, упорядоченного по возрастанию или убыванию, придется на 10–11 испытуемых: ведь до 10-го испытуемого оказывается ровно 9 испытуемых с меньшими или равными баллами и после 11-го испытуемого остается ровно 9 испытуемых с большими или равными баллами. Отсчитаем девять строк снизу и девять строк сверху, обнаружим, что и в мужской, и в женской выборках испытуемые, оказавшиеся на 10–11-м местах, показывают одинаковые результаты: у мужчин это 36 баллов, у женщин – 31 балл.

Таким образом, медианное значение феминности – маскулинности в мужской выборке практически соответствует значению среднего арифметического, тогда как для женской выборки мы обнаруживаем значение, которое оказывается чуть больше найденного ранее среднего арифметического, но чуть меньше найденной ранее моды распределения, фактически располагаясь между этими значениями.

Те же действия можно осуществить и с помощью компьютера. В простейшем случае для расчетов может быть использована любая программа электронных таблиц, как, например, MS Excel из офисного пакета корпорации Microsoft или ее аналоги в других офисных пакетах. Для оценки среднего арифметического необходимо будет воспользоваться функцией СРЗНАЧ . Она возвращает среднее значение (среднее арифметическое) аргументов. Например, если диапазон А1:А20 содержит числа, формула = СРЗНАЧ(А1:А20) возвращает среднее значение этих чисел . Для расчета моды и медианы необходимо соответственно воспользоваться функциями МОДА и МЕДИАНА. Электронные таблицы также, как правило, предоставляют довольно развитые возможности для построения сводных таблиц и гистограмм.

Более эффективно позволяют провести необходимые вычисления специальные статистические программы. Так, известная программа статистического анализа SPSS Statistics, в последнее время разрабатываемая и поддерживаемая компанией IBM для ОС Windows, MacOS и Linux, содержит модуль описательной статистики. Его можно найти в разделе меню "Анализ". Аналогичные возможности представляют и другие статистические пакеты, наиболее мощным из которых представляется пакет статистического анализа STATISTIC А компании StatSoft Inc.

Рассмотрим, как можно оценить математическое ожидание полученных данных и построить их частотное распределение с помощью статистического пакета IBM SPSS Statistics (предполагается, что в нашем распоряжении имеется русская редакция этой программы для среды Windows ).

Сначала необходимо правильно подготовить файл данных. Для этого запускаем программу, переходим на вкладку "Переменные" и вводим в первом столбце имена всех исследуемых переменных. В нашем случае это могут быть переменные "мужчины" и "женщины" (рис. 1.4), хотя в общем случае лучше создать две переменные: "пол" и "феминность" и далее использовать фильтры для отбора подходящих для анализа данных.

Рис. 1.4. Создание переменных для анализа данных по феминности – маскулинности в IBM SPSS Statistics

Затем переходим на вкладку "Данные" и вводим имеющиеся у нас результаты измерения (рис. 1.5).

Для расчета среднего арифметического, моды и медианы необходимо выбрать в модуле описательной статистики пункт меню "Частоты", в появившемся окне – переменные для анализа, затем нажать кнопку "Статистики". Во вновь появившемся окне выбираем "Среднее", "Медиана" и "Мода" (рис. 1.6).

Для построения гистограмм в окне "Частоты" выбираем пункт "Диаграммы" (рис. 1.7), в появившимся окне выбираем пункт "Гистограммы". Также при необходимости можно отметить чекбокс "Показать на гистограмме нормальную кривую". В этом случае можно будет сравнить имеющееся частотное распределение с теоретически возможным нормальным распределением.

Предполагается, что используется русская версия MS Office 2013.

Итак, на основе полученных данных, можно проанализировать имущественное состояние предприятия, темп роста оборотных активов равен 68,62. это свидетельствует о снижении оборотных активов за 2011 год на 32,30%, что свидетельствует о негативной динамике. Коэффициент пригодности необоротных активов составил 91,66 в 2011 году, что на 4,9% больше чем в 2010 году, это означает, что предприятие направляет свои денежные средства на формирование производственной базы. Данные показатели: коэффициент годности и износа основных средств, свидетельствуют о том что основные средства на предприятии находятся в хорошем состоянии. Коэффициент износа уменьшился на 0,1, а это свидетельствует об обновлении основных средств для поддержания и улучшения производственных мощностей.

Для оценки ликвидности предприятия используем показатели, которые рассчитываются по формулам :

СОК=СК-НА (2.11)

где СОК - размер собственных оборотных средств;

СК - собственный капитал;

НА - необоротные активы.

Мсок=ДС/СОК (2.12)

где Мсок - маневренность собственных оборотных средств;

ДС - денежные средства и их эквиваленты;

СОК - размер собственных оборотных средств.

Кпок=(ОА+Зб.п.)/(ТЗ+Дб.п.) (2.13)

где Кпок - коэффициент покрытия;

ОА - оборотные активы;

ТЗ - текущие задолженности;

Кб.лик.=(ОА+ Зб.п. +З.Т.)/(ТЗ+Дб.п.) (2.14)

где Кб.лик. - коэффициент быстрой ликвидности;

ОА - оборотные активы;

Зб.п. - затраты будущих периодов;

З.Т. - запасы и товары;

ТЗ -текущие задолженности;

Дб.п. - доходы будущих периодов.

Кабс.лик.= ДС(нац. и инос.)/(ТО+Дб.п.) (2.15)

где Кабс.лик. - коэффициент абсолютной ликвидности;

ДС(нац. и инос.) - денежные средства и их эквиваленты в нац. и ностранном валюте;

ТО - текущие обязательства;

Дб.п. - доходы будущих периодов.

Добор.ср.в акт = (ОА+ Зб.п.)/Б (2.16)

где Добор.ср.в акт. - доля оборотных средств в активе;

ОА - оборотные активы;

Б - баланс;

Дпроиз.зап. в тек.акт = ПЗ/(ОА+Зб.п.) (2.17)

где Дпроиз.зап. в тек.акт - доля производственных запасов в текущих активах;

ПЗ - производственные запасы;

ОА - оборотные активы;

Зб.п. - затраты будущих периодов.

Результаты расчета представлены в табл. 2.8.

Таблица 2.8

Оценка ликвидности предприятия

Больше по теме...

Экономический анализ предприятия
В условиях рыночной экономики тема анализа деятельности предприятия является актуальной. Особую актуальность приобретает анализ информации при принятии стратегически важных решений в настоящее время, когда российские предприятия поставлены в центр чрезвычайных обстоятельств, вызванных действием множества противоречивых, трудно прогнозируемых кризисных процессов в экономике, политике, ...

Основные модели рыночной экономики преимущества, недостатки, перспективы развития
Мировое общество имеет богатый исторический опыт организации социальной и прежде всего экономической жизни как на макро-, так и на микроэкономическом уровне. Уже при первом и самом поверхностном анализе этого опыта обнаруживается, что формы организации экономической жизни общества и на том, и на другом уровне сложны и многообразны. При этом экономическая наука ещё не выработала ед...