Минимальное количество товара, необходимое для совершения покупки

[dagred]

Представьте, что вы пришли в магазин, чтобы купить обои. Если обоев в наличии нет, покупки не будет. Если в наличии 1-2 рулона, это вряд ли вам поможет и покупка снова не состоится. Если рулонов 5-6, то шансы есть, если вам надо обклеить небольшое помещение. Если же обоев 20-30 рулонов, шансы на покупку очень велики, вам хватит.
Все это

Comments

[tom_garret]

очень интересно, спасибо! :)

[live_observer]

я все-таки за того тостосума переживаю, который делает вес интервала 46-50 критическим, и которого в следующий раз вы пошлете нахер с вашей системой))

[privet_media]

я думаю, если консультант не оплашает, то запросит 50 рулонов с главного склада :)

[dagred]

Всех денег на свете не заработать. 100% рынка не охватить. Очень важно провести границу, дальше которой вы не пойдете.
Что касается конкретного примера и конкретного вопроса, у нас как раз большие шансы продать 50 шт. в розницу (под заказ или со склада вообще плевое дело). Потому что убрав из статистики все дни, когда остатков было меньше 15 шт., мы получим прогнозируемые продажи в день раза в 2-3 выше стандартного расчета. Товара же не всегда лежит на один день, поставка может быть раз в неделю, две. Еще возьмите страховой запас, так что шансы есть, и немалые.

[live_observer]

спасибо

[privet_media]

А как посчитать "Нарастающую вероятность" ?

[dagred]

Смотрите, вероятность попадания в интервал 1-5 составляет 40%, в интервал 6-10 составляет 33%. Значит, у нас существует 73% вероятность (40%+33%) попасть в интервал 1-10 (1-5 + 6-10). И так далее.

[yosha_orlow]

Все хочу прикинуть как бы так же ловко приложить количество ассортиментных позиций на вероятность покупки...

[dagred]

Звучит красиво, но на практике мне даже близко в голову не приходит, как это сделать. Нет наблюдений, нет выборки.

[yosha_orlow]

Мне кажется это можно сделать следующим образом:

1. Посчиать количество посетителей

2. Посчитать с какой частотой покупатель делает покупку в той или иной группе товаров. Заодно посчитать с какой частотой посетитель не делает покупки.

3. Посчитать с какой частотой покупается товар внутри групп. Можно конечно и напрямую, но, во первых получится слишком длинная, неудобная для осознания, грабля , во вторых числа будут болтаться где то возле абсолютного ноля.

Таким образом получим частотный профиль покупателя. Можно им поиграть в зависимости от времени (день недели, сезон, час в конце концов). Полученный профиль связывает поток посетителей с конкретными покупками (группами).

[dagred]

Если я правильно вас понял, то внутри каждой товарной группы мы посчитаем как часто покупают каждый товар. Получим распределение.
Возьмем, к примеру ЛКМ (лакокрасочные материалы). Навскидку: 1 Колеровка, 2 Валики, 3 Кисточки, 4 краски, 5 лаки и т.д.
Какой я могу сделать на основании этого вывод? Ну, кроме того, что валики и колеровочная машина это очень хорошо (во многих других группах зависимость менее очевидна)?