FastStats Modelling

Every part of brand health has importance but looking at the brand holistically can show where your strengths and weaknesses are more clearly. For instance, you may have high engagement, but this could be a result of negative comments. Metrics can be misleading without sentiment. Therefore, continually tracking brand health, you will be able to see which campaigns and what content worked well as opposed to ones that didn’t work so well.

Faststats Modelling es el módulo de modelado de datos, que proporciona al usuario la capacidad de predecir el comportamiento de clientes y leads. 

Cuando se ha creado un perfil de cliente o un análisis de clúster, se puede aplicar un modelo que puntúa, clasifica y segmenta cada registro en su base de datos FastStats. FastStats ofrece tres técnicas principales de modelado:

  1. Elaboración de perfiles: utilizando un método patentado de ponderación predictiva de la evidencia (PWE) que combina la Teoría de la Información y cálculos de Probabilidad Bayesiana, esta técnica puntúa a los clientes y prospectos individuales y es rápida, automática y sólo requiere un mínimo de información de base.
  2. Modelos de “árbol de decisión” (incluido CHAID): este método produce un conjunto de reglas que se clasifican para identificar distintos segmentos o grupos que contienen proporcionalmente una mayor cantidad de sus mejores clientes y prospectos. El uso de los árboles de decisión está particularmente indicado en bases de datos externas.
  3. Clustering: el análisis de clusters identifica grupos de clientes y prospectos con características similares. Este método utiliza la técnica K-Means para asignar cada registro al centro de clúster más cercano, lo que le permite visualizar y segmentar mejor su base de datos.

 

FastStats Discoverer  tiene un motor de expresión muy poderoso, que puede usarse para implementar modelos sofisticados y detallados