Analyse van meisjes met een lage sociale verantwoordelijkheid (Powered by Power BI, Qlik Sense, Tableau)

Wie wij zijn en wat de achtergronden van het project zijn?

Goedendag, mijn naam is Vladimir Lazarev, ik ben de directeur van de BI-integrator. Analytics Group. Wij maken voor bedrijven visuele rapporten over marketing, verkoop, financiƫn en logistiek op basis van toonaangevende analytische platforms zoals Qlik Sense, Power BI, Tableau.

In BI-platforms is de visuele component heel belangrijk. Als u tientallen demo-rapporten van BI-systemen heeft bekeken en u vindt het uiterlijk van een bepaald platform niet mooi, dan zal het zeer waarschijnlijk niet worden geïmplementeerd, zelfs als de prijs en technische specificaties u bevallen. Dit creëert de noodzaak om dezelfde gegevens in verschillende analytische platforms te kunnen zien, zodat ze vergeleken kunnen worden.

En het is wenselijk dat de gegevens interessant zijn... šŸ™‚

Waar kwam het idee voor dit rapport vandaan?

Een paar jaar geleden publiceerde de Higher School of Economics een artikel over de prijsstelling van diensten van meisjes met een lage sociale verantwoordelijkheid in Moskou. Dit waren geaggregeerde gegevens van de analyse van 1.800 enquĆŖtes. Wij vonden de gegevens die achter deze conclusies van de sociologen van de HSE staan interessant. En we besloten om dit onderwerp verder te verkennen.

Belangrijke ideeƫn:

  • Niet alleen de oppervlakkige conclusies tonen, maar ook de gegevens waarop ze zijn gebaseerd;
  • Mensen de mogelijkheid geven om zelf patronen te analyseren, een hypothese te formuleren en deze te testen.
  • De analyse moet een grote steekproef van enquĆŖtes omvatten voor een hogere betrouwbaarheid;
  • Niet alleen het 'aanbod van de markt' tonen, maar ook de vraag op basis van statistische gegevens in zoekmachines;

Gegevensbronnen:

  • SQL-database van enquĆŖtes*, samengesteld op basis van een website die in de top 3 van zoekmachine-resultaten van Yandex en Google staat.
  • Excel-bestand met relevante** zoekopdrachten in het onderwerp van de analyse.
  • Excel-bestand met historische frequenties van zoekopdrachten in de zoekmachine Yandex.
  • Excel-bestand met frequenties van zoekopdrachten in de zoekmachine Google.

* Voor het verzamelen van informatie werd een parser gebruikt. De gegevens werden eenmalig geparsed.
** De tool voor het vinden van relevante zoekopdrachten was wordstat.yandex.ru

Business-rollen & USER-verhaal

In normale projecten vragen we altijd wie de analytics zal gebruiken en welke vragen (directe of indirecte) iemand wil beantwoorden.

Het probleem is alleen dat dit project geen opdrachtgever heeft. Daarom moesten we drie rollen en hun vragen verzinnen.

De rollen zijn als volgt:

  1. Een meisje met een lage sociale verantwoordelijkheid
  2. Websitebeheerder met profielen
  3. Eigenaar van vastgoed te huur

Een meisje met een lage sociale verantwoordelijkheid

ā€˜Indie’ Elvira is 25 jaar. Ze ziet er goed uit, mannen in haar omgeving schatten haar leeftijd op 19-20 jaar. Ze is sportief, gaat naar de zonnebank, heeft een gezonde voeding, een goede manicure en dat soort dingen. Ze is gewend zich goed te kleden en heeft niet veel te klagen. Maar deze levensstijl kost geld. Kantoorwerk, denkt ze, is niet voor haar. Ze houdt van seks en ziet geen schaamte in deze bezigheid. Met haar economische achtergrond en analytisch denkvermogen besloot ze de prijsstelling en de lijst van diensten met een pragmatische benadering te onderbouwen. Elvira besloot gegevens te analyseren met behulp van een BI-platform.

Doel: de belangrijkste punten identificeren om competitief te blijven en meer te verdienen.

Ze is geĆÆnteresseerd in de volgende vragen:

  • Voor welke prijs verkopen 'collega's' met vergelijkbare kenmerken (lengte, gewicht, borst, leeftijd) hun uur in de omgeving van Elvira? Is het de moeite waard om een appartement in een andere buurt van Moskou te vinden voor hetzelfde geld, maar met een hogere gemiddelde prijs of minder concurrentie?
  • Moet je je leeftijd in het profiel verhoogd of verlaagd weergeven?
  • Is het economisch zinvol om een B-cup naar een D-cup te verhogen en hoe snel worden de investeringen in de operatie terugverdiend?

Websitebeheerder met profielen

Maak kennis met Felix Albertovich — de eigenaar van de website met profielen. Autoritair, 45 jaar, een charmante man met goede communicatieve vaardigheden en rijke ervaring in marketing en meer. Hij is erin geslaagd om de website te vullen met talloze profielen van verschillende meisjes en heeft een goede bezoekersaantallen door SEO-promotie verzekerd. Op dit moment verdient hij geld met de betaalde plaatsing van profielen op de site.

Doel: de wensen van de maatschappij begrijpen en veelbelovende werkgebieden voor zijn website bepalen.

Door contact op te nemen met een business analytics bureau, hoopt hij de volgende antwoorden te krijgen:

  • Wat is het profiel van de typische 'indie'?
  • Welke zoekopdrachten doen gebruikers in zoekmachines?

Ondernemende zelfstandige burger die zijn appartement verhuurt

Mitya is een avonturier die met zijn tijd meegaat, met een grondige aanpak in zaken. Hij is gewend zich te laten leiden door cijfers en feiten. Mitya heeft een appartement in het centrum van Moskou. Hij wil meer geld verdienen met zijn activum.

Doel: een nieuw, effectiever model voor het gebruik van zijn appartement vinden

Belangrijke vragen:

  • Als je het appartement aan een meisje met een laag sociaal gedrag verhuurt, niet voor een vast bedrag, maar voor een % van het inkomen, kan je met deze aanpak meer verdienen?

Managementconclusies van Elvira

Elvira zag dat 'collega's' met vergelijkbare parameters qua leeftijd, cupmaat, lengte en gewicht dezelfde tarieven aanbieden - 4080 - 4930 roebel/uur. Behalve in de gebieden 'West' en 'Centraal'.

De concurrentie is minimaal in de 'Moscow Oblast', slechts 20 profielen, en de huurprijzen zijn bijna twee keer zo laag als in elk administratief district van Moskou, terwijl het uurtarief gelijk blijft.

Analyse van meisjes met een lage sociale verantwoordelijkheid (Powered by Power BI, Qlik Sense, Tableau)

Elvira wil haar diensten in de loop van de tijd duurder verkopen, daarom heeft ze een duplicaat van haar profiel aangemaakt, waarbij ze alleen beschikbaar is in het Westelijke district voor nachtdiensten. Bij voldoende aanbod zal ze naar dit gebied verhuizen.

Ze gaf haar echte leeftijd op - 25 jaar. Omdat ze zag dat de maximale prijs voor een nacht werd aangegeven in profielen van de leeftijdscategorie van 25 tot 30 jaar. Er is een filter ingesteld voor de prioritaire dienst.

Analyse van meisjes met een lage sociale verantwoordelijkheid (Powered by Power BI, Qlik Sense, Tableau)

Wat betreft de haalbaarheid van het vergroten van haar borsten van een B-cup naar een D-cup, heeft Elvira het volgende berekend:

  • De gemiddelde prijs per uur stijgt met 1.190 (7.060 - 5.870 = 1.190).
  • De operatie voor borstvergroting kost 300.000 roebel
  • Dus de investering in borstvergroting zal zich terugbetalen in 252 uur. Bij een werkbelasting van 5 uur per dag zijn dat 50 werkdagen.

Analyse van meisjes met een lage sociale verantwoordelijkheid (Powered by Power BI, Qlik Sense, Tableau)

Managementconclusies van Felix

Felix Albertovich wilde eerst het typische profiel van een 'indie' begrijpen. Dus hij zag:

  • Gemiddelde leeftijd: 29,8 jaar
  • Gem. cupmaat: 2,8
  • Gem. lengte: 168 cm
  • Gem. gewicht: 57 kg
  • Gem. kledingmaat: 44

Analyse van meisjes met een lage sociale verantwoordelijkheid (Powered by Power BI, Qlik Sense, Tableau)

Felix Albertovich besloot vervolgens om zoekopdrachten in zoekmachines te analyseren. Eerder had hij al sleutelwoorden in groepen gecategoriseerd, maar we hadden nog niet het inzicht in het belang van elk zoekwoord en de statistiek van zijn aanvragen.

Analyse van meisjes met een lage sociale verantwoordelijkheid (Powered by Power BI, Qlik Sense, Tableau)

In het analytische rapport zag Felix een stabiele groei in het aantal zoekopdrachten. In 2018 vergeleken met 2017 groeide het aantal zoekopdrachten met 60% (van 9,99 miljoen naar 16,59 miljoen).

Analyse van meisjes met een lage sociale verantwoordelijkheid (Powered by Power BI, Qlik Sense, Tableau)

Zoals verwacht is het merendeel van de zoekopdrachten gerelateerd aan locatie. De algemene zoekopdrachten staan op de tweede plaats, gevolgd door de prijsclassificatie op de derde plaats. Dit bracht Felix ertoe om dynamische inhoud op de website te gebruiken, afhankelijk van de zoekopdracht die de gebruiker heeft ingevoerd.

Analyse van meisjes met een lage sociale verantwoordelijkheid (Powered by Power BI, Qlik Sense, Tableau)

Ook merkte hij op dat er een aanzienlijke meerderheid was in de zoekopdrachten afkomstig van mobiele telefoons — bijna drie keer zoveel. Daarom gaf hij de programmeur van zijn website de opdracht om de kwaliteitsweergave op mobiel te controleren.

Analyse van meisjes met een lage sociale verantwoordelijkheid (Powered by Power BI, Qlik Sense, Tableau)

Een interessant punt is dat bepaalde groepen zoekopdrachten sneller groeien dan andere.

Analyse van meisjes met een lage sociale verantwoordelijkheid (Powered by Power BI, Qlik Sense, Tableau)

Bijvoorbeeld, de ā€˜Prijs categorie’ — de subcategorie ā€˜Goedkoop’ groeide met 74% (terwijl de gemiddelde groei 60% was). Ook groeide de specifieke zoekterm ā€˜de goedkoopste *****’ met 113% en ā€˜**** Oezbeeksen’ groeide met 120%. Maar Felix bekijkt deze gegevens niet alleen op basis van procentuele verhouding, maar ook op basis van absolute getallen.

Analyse van meisjes met een lage sociale verantwoordelijkheid (Powered by Power BI, Qlik Sense, Tableau)

Inzichten van Mitya

Mitya heeft een appartement in het centrale administratieve district van Moskou en hij wil het verhuren. 'Op de markt' wordt zo'n appartement verhuurd voor 100-120 duizend roebels. Maar hij wil meer verdienen. Daarom besloot hij het appartement 'indie' te verhuren voor % van de opbrengst. Voor hen — minder risico op ongewenste reacties van de appartementseigenaar, voor hem — meer inkomen uit het appartement.

Mitya heeft de hypothese geformuleerd dat meisjes die hun uur duurder verkopen, hem potentieel een hoger inkomen zullen opleveren. Hij heeft een appartement in het centrale administratieve district, dus hij keek eerst naar de gebruikelijke prijzen waarvoor meisjes hun uur in deze buurt verkopen.

Analyse van meisjes met een lage sociale verantwoordelijkheid (Powered by Power BI, Qlik Sense, Tableau)

Het merendeel van de profielen (206 stuks) verkoopt in het centrale administratieve district hun uur vanaf 10.000 roebels. Daarna sorteerde hij de profielen die zich niet in het centrale administratieve district bevinden, maar zichzelf voor een vergelijkbare prijs verkopen. Precisie in deze doelgroep zal hij op de site sorteren, met als doel om ze te bellen en een andere verhuurvorm van het appartement aan te bieden, maar in het centrale administratieve district.

Analyse van meisjes met een lage sociale verantwoordelijkheid (Powered by Power BI, Qlik Sense, Tableau)

Bij de verkoop van gemiddeld 3 uur per dag met een bon van deze doelgroep bedraagt de totale omzet per maand: 11.203 * 3 uur * 30 dagen = 1.008.270 roebels/maand.

Analyse van meisjes met een lage sociale verantwoordelijkheid (Powered by Power BI, Qlik Sense, Tableau)

Als hij hier 20% van ontvangt, betekent dat dat het appartement voor meer dan 200.000 roebels/maand verkocht zal worden.

In zijn berekeningen hield Mitya geen rekening met inkomsten uit extra diensten:

Analyse van meisjes met een lage sociale verantwoordelijkheid (Powered by Power BI, Qlik Sense, Tableau)

Conclusie

In conclusie van dit artikel willen we opmerken dat het onderwerp van de analyse behoorlijk controversieel is. Dit thema is ongetwijfeld een probleem voor de samenleving. We hebben dit artikel opzettelijk met humor geschreven, en de "Managementconclusies" zijn met een dosis absurditeit opgesteld, zodat de informatie gemakkelijker te verwerken is, maar we hopen dat het je aan het denken zet over de trends.

In dit opzicht biedt het analytics-platform als geen ander de mogelijkheid om het echte plaatje te zien, simpelweg cijfers, waarachter de juiste menselijke acties moeten volgen.

Aan de hand van dit voorbeeld hebben we aangetoond dat elk onderwerp of elke business, zijn indicatoren, geanalyseerd kan worden, waarbij je je hypotheses kunt formuleren, gebaseerd op feiten. Dit is vooral relevant wanneer er veel gegevens zijn, wanneer deze zich in verschillende bronnen bevinden en het aggregƫren in ƩƩn samenhangend geheel veel tijd kost. Dit is van toepassing op marketing, verkoop, financiƫn, logistiek, en voorraadbeheer. Mocht je behoefte hebben, stuur gerust een bericht, we bespreken graag mogelijke oplossingen.

Screenshots van Microsoft Power BI

Analyse van meisjes met een lage sociale verantwoordelijkheid (Powered by Power BI, Qlik Sense, Tableau)

Analyse van meisjes met een lage sociale verantwoordelijkheid (Powered by Power BI, Qlik Sense, Tableau)

Screenshots van Tableau

Analyse van meisjes met een lage sociale verantwoordelijkheid (Powered by Power BI, Qlik Sense, Tableau)

Analyse van meisjes met een lage sociale verantwoordelijkheid (Powered by Power BI, Qlik Sense, Tableau)

Screenshots van Qlik Sense

Analyse van meisjes met een lage sociale verantwoordelijkheid (Powered by Power BI, Qlik Sense, Tableau)

Analyse van meisjes met een lage sociale verantwoordelijkheid (Powered by Power BI, Qlik Sense, Tableau)

Bron: habr.com

Koop betrouwbare webhosting met bescherming tegen DDoS, VPS VDS servers šŸ”„ Koop betrouwbare webhosting met bescherming tegen DDoS, VPS VDS servers | ProHoster