凌晨: 第一节市场份额分析 2、术语 将采用跟踪某一位顾客采购行为的方法进行研究 1)试验一了解顾客的采购店,一个周期会有一个 试验,也就有一个结果 2)状态一一某周期顾客选定不同店,称为系统的不 同状态,此例中,约定: 状态1:顾客在M店购物 状态2:顾客在A店购物 3)状态概率的意义一一购物过程会延续下去,不管 能得出什么结论,都不可能事先确定试验结果, 但若能求出某周期两个状态的概率足矣,因为市 场份额已可估计得到
Ling Xueling ２、术语 将采用跟踪某一位顾客采购行为的方法进行研究 1) 试验－－了解顾客的采购店，一个周期会有一个 试验，也就有一个结果 2) 状态－－某周期顾客选定不同店，称为系统的不 同状态，此例中，约定： 状态1： 顾客在 M 店购物 状态2： 顾客在 A 店购物 3) 状态概率的意义－－购物过程会延续下去，不管 能得出什么结论，都不可能事先确定试验结果， 但若能求出某周期两个状态的概率足矣，因为市 场份额已可估计得到。 第一节 市场份额分析 凌晨: 凌晨:
凌晨: 第一节市场份额分析 状态转移概率 利用 Markovγ过程研究连续试验中不同状态的概率,最基本的 是先要求得:转移概率 调研与转移概率值 1)市场调研:10个星期内跟踪任意选定的100个人,采集购 物数据 2)数据处理:概率统计方法,注意力集中在顾客对M和A的 转移购物上 3)假设得出以下的:一一从统计数据可得出!! 下一个周期去 M店 A店 当前周期去M店 0.9 0.1 A店 0.2 0.8 称为转移概率值
Ling Xueling 二．状态转移概率 利用 Markov 过程研究连续试验中不同状态的概率，最基本的 是先要求得：转移概率 1、调研与转移概率值 1) 市场调研：10 个星期内跟踪任意选定的 100 个人，采集购 物数据 2) 数据处理：概率统计方法，注意力集中在顾客对 M 和 A 的 转移购物上 3) 假设得出以下的：－－从统计数据可得出！！ 下一个周期去 M 店 A 店 当前周期去 M 店 0.9 0.1 A 店 0.2 0.8 称为转移概率值。 第一节 市场份额分析 凌晨: 凌晨:
凌晨: 第一节市场份额分析 状态转移概率 2、关于转移概率的说明 1)行数据之和=1说明:每行实际给出一个概 率分布 2)0.90.8——分别是对M/A的忠实度 0.1/0.2--对M/A的转移特征 3)在研究的时间段内,假定转移概率不会变 即:系统无大变化(商业环境相差不大) 4)转移概率值是统计数据得来的
Ling Xueling 二、状态转移概率 2、关于转移概率的说明 1）行数据之和＝1说明：每行实际给出一个概 率分布 2) 0.9/0.8－－分别是对M / A 的忠实度 0.1/0.2－－对 M / A 的转移特征 3) 在研究的时间段内，假定转移概率不会变， 即：系统无大变化（商业环境相差不大） 4) 转移概率值是统计数据得来的。 第一节 市场份额分析 凌晨: 凌晨:
凌晨: 第一节市场份额分析 状态转移概率 3、转移概率矩阵 令:P;=某周期i状态,下一个周期转移到j状 态的概率 则称 Pu p 0.90.1 P p21 p 0.20.8 为转移概率矩阵 意义:由转移概率矩阵,即可求出系统从某状态向 下一个状态转移的概率
Ling Xueling 二、状态转移概率 3、转移概率矩阵 令： p i j = 某周期 i 状态，下一个周期转移到 j 状 态的概率 则称 为转移概率矩阵 意义：由转移概率矩阵，即可求出系统从某状态向 下一个状态转移的概率。 第一节 市场份额分析 凌晨: 凌晨: = = 0.2 0.8 0.9 0.1 2 1 2 2 1 1 1 2 p p p p P
凌晨: 第一节市场份额分析 树形图研究系统的演变一一直观方法 1、方法 第0周第一周第二周 0.9 第二周之概率 0.1 09)(0.9)=0.81 0.9 去M 0.9)00.1)=0.09 0.2 (0.1)(0.2)=0.02 0.8 0.8 0.1)(0.8)=0.08 去A 系统在第二周去M(状态1)的概率:0.81+0.02=0.83 系统在第二周去A(状态2)的概率:0.09+0.08=0.17
Ling Xueling 三、树形图研究系统的演变－－直观方法 1、方法 系统在第二周去 M (状态1)的概率：0.81 + 0.02 = 0.83 系统在第二周去A (状态2) 的概率：0.09 + 0.08 = 0.17 。 第一节 市场份额分析 凌晨: 凌晨: 0.9 0.8 0.9 0.1 0.2 0.8 第一周 第二周 去M 去A 第0周 第二周之概率 (0.9)(0.9)=0.81 (0.9)(0.1)=0.09 (0.1)(0.2)=0.02 (0.1)(0.8)=0.08