Британский исследователь — энтузиаст Рей Пойнтер (Ray Pointer) записал вебинары по факторному и кластерному анализу и выложил их у себя в блоге. Оба вебинара на английском языке, продолжительностью около 30-40 минут, рассчитаны на новичков.

На мой взгляд — это неплохо сделанные презентации и хорошее объяснение (насколько это можно было уложить в формат вебинара) плюс Рей делится собственным опытом проведения кластерного и факторного анализа.

Посмотреть вебинары по факторному и кластерному анализу можно на сайте Рея Пойнтера — The Future Place Blog.

Одна из основных задач анализа «неструктурированной” (чаще всего – текстовой) информации — это поиск неожиданностей. Поиск того, что невозможно предусмотреть в анкете, гайде для глубинных интервью или маркетинговом плане. А неожиданности, как известно, часто появляются, когда желания потребителей не совпадают с их возможностями и/или опытом общения с производителями и продавцами.

К сожалению, очень часто такие вот бесплатные «неожиданности», которые потребители щедро оставляют на форумах, в блогах, в социальных сетях или даже в отчаянных письмах в техподдержку, практически никак не используются и не анализируются компаниями, тратящими впоследствии большие деньги на исследования потребителей.

Ну а производители софта и рисечеры раз за разом пытаются изменить это положение вещей и предлагают рынку все новые и новые инструменты для поиска и анализа того, что «само приползло» в руки маркетологам и прочим заинтересованным лицам.

Система анализа текстов Smart Response от Clarabridge предназначена в первую очередь для CRM, но может также вполне успешно использоваться и для исследований потребителей. Что и продемонстрировала Harris Interactive, придумав на базе модуля от Clarabridge инструмент Interactive Text Analytics.

[Далее…]

Многие интернет-компании (и не только они) периодически страдают функциоманией.

Симптомы заболевания проявляются в том, что для достижения той или иной маркетинговой цели пишется список функций, которые необходимо включить в продукт, сервис или на сайт: блог здесь, подкаст там, баннер справа, меню слева и еще вот эту желтую пимпу в тарелке, как у конкурентов.

Представители аналитической компании Forrester Research ратуют за более продуктивный подход к маркетингу и предлагают маркетологам исходить, все-таки, в первую очередь из специфики, потребностей и особенностей целевой аудитории сайта, сервиса или продукта.

[Далее…]

Я далеко не поклонница национальных, а тем более международных исследований с выборкой в 200-300 человек, проведенных методом «снежного кома» в интернете :). Но, тем не менее, результаты одного такого исследования от RexerAnalytics (начало 2007 года, онлайн-опрос, n=214), мне показались интересными.

Основной целью исследования было определение способов анализа данных, инструментов и алгоритмов, которые используют data miners, определение факторов, влияющих на выбор того или иного инструмента для анализа, типов анализируемых данных, а также проблем и сложностей, встречающиеся на тернистом пути data miner-ов. Ну и, безусловно, составление «типичного портрета data miner-a» — ну как же без этого при выборке в 214 человек *язвительно* :).

В защиту авторов исследования можно вспомнить о том, что «добытчики данных» или «дата майнеры» (data miners), в отличие от обычных аналитиков и обработчиков данных — птицы достаточно редкие и сравнительно немногочисленные, а уж исследования про них встречаются еще реже.

Поэтому, закроем глаза на то, что авторы исследования считают свое исследование «репрезентирующим 35 стран» и, как я поняла, все без исключения отрасли, в которых используется data mining (от медицины до маркетинга и политических исследований). В отличие от многих других исследований с подобной выборкой, авторы хорошо понимают все свои недостатки и недоработки, достаточно внятно их указывают и не собираются останавливаться на достигнутом.

[Далее…]

Swivel — это «место, где любопытные люди изучают всевозможные данные» — так проект называют его создатели Dmitry Dimov и Brian Mulloy.

Идея сервиса самая простая — любой может взять файл с данными, загрузить его на сервер и сравнить с другими данными, используя простейшие способы анализа. Идеология сервиса — «Youtube для данных», поэтому каждый может комментировать те или иные данные, оценить, насколько эти данные хороши и внедрить результаты на собственный сайт — для этого даже есть возможность выбрать нужную цветовую схему.

Идея, конечно, здоровская, но, как известно, самым простым способом решения проблемы часто оказывается самый неправильный, поэтому я с трудом представляю, какую практическую пользу может извлечь человек, решивший скрестить данные о декабрьской температуре воздуха в Москве и продажах ликера в США (а сервис декларирует возможность сравнить данные любого типа и практически любого формата).

Надо отметить, что простейший анализ Swivel осуществляет самостоятельно, в фоновом режиме, даже не спрашивая мнения владельца данных и, если вдруг ему что-то удается найти, то предлагает различные варианты («а не кажется ли Вам, что данные о продажах свиней в апельсинах, который Вы только что выложили на сайт, связаны со знанием брендов свиней в апельсинах, которое выложил Ваш товарищ месяц назад?»). В общем, вебдваноль во всем своем великолепии.

Тем не менее, если сеть будет развиваться в правильном направлении, этот сервис будет неплох для «доставания» различных данных в формате .csv без использования хитроумных запросов в Google или не менее хитроумных запросов по телефону знакомым рисёчерам 🙂 Такой сервис может быть интересен и преподавателям, которые могут закачать туда данные и осуществлять с ними различные манипуляции на глазах у изумленной аудитории (был бы экран и доступ в Интернет).

Только, пожалуйста, не говорите об этом сервисе знакомым журналистам, которые пишут про исследования. А то, при неблагоприятном исходе, мы можем получить вал публикаций, в которых будут найдены мощнейшие зависимости между потреблением вареников, наличием доступа в Интернет и политическими пристрастиями респондентов 🙂