Dữ liệu

I. GA4
- Mục tiêu: Lấy hành vi KH theo SKU và Date gồm Views, Engage rate, Avg time, Add to cart
- Thời gian: từ 1/1/2023 tới 31/7/2023
- Bảng: Reports/Engagement/Pagepath
- Dimension: Pagepath và Date
- Filter: Stream Web và pagepath chứa SKU
Export thủ công, mỗi lần max 5000 dòng
II. Ecommerce & Product Amax
- Mục tiêu: Lấy dữ liệu đặt hàng theo SKU, Date
- Thời gian: từ 1/1/2023 tới 31/7/2023
- Lấy Dimension là SKU và Date
- Filter chỉ lấy dữ liệu sale_platform là ‘web’
Sau đó join 2 bảng trên dựa vào SKU và date
Visualization
Tìm các đối tượng trong Sản phẩm,
Category, Màu… là Outliers:

- Tốt: khi nằm trên đường kẻ

- Không tốt: khi nằm dưới đường
kẻ

=> Đưa ra quyết định điều chỉnh về

nhập hàng
Modelling
Mục tiêu: Xem xét sự phụ thuộc của Ordered vào các behavior của KH trên website

Model xem xét ban đầu

X = df[['views','add_to_cart', 'engage_rate', 'avg_time' ]]

y = df['ordered']

Tuy nhiên views nhiều sẽ dẫn tới add_to_cart nhiều, avg_time cao thì sẽ engage rate cao => Có sự đa
cộng tuyến => Cần xác định giữ và bỏ biến nào.

Lựa chọn biến đáp ứng tiêu chí:

● Phù hợp thực tiễn

● Model có hệ số xác định R2 cao (>0.8)
● P-value của các biến giải thích là thấp (<0.05)
Model lựa chọn
X = df[['views', 'engage_rate']]
y = df['ordered']
Vì thỏa mãn:

● Thực tiễn: tác động views và engage rate để tăng order

● r_squared: 0.8630277961637176 > 0.8
● adjusted_r_squared: 0.862852190774184 > 0.8
● P-value views 0.00000 < 0.05
● P-value engage_rate 0.00055 < 0.05

=> Phương trình:

Item_Order = 4.924 + 0.011 * views + (-23.513) * engage_rate

Suggestions

1. Tăng Views: 91 views thêm sẽ tăng 1 item order

2. Optimize Engage_rate
“Engaged session is a session that lasts longer than 10 seconds, has a conversion event, or has at
least 2 pageviews or screenviews.”

Cải thiện UX để giúp KH có thể xem nhanh và đưa ra quyết định nhanh

3. Có thể phát triển phương trình này tới từng Department, hoặc Product_line
để lên kế hoạch Truyền thông => Sale chuẩn hơn.