အဆင့် 1 - သုတေသနပြဿနာနှင့်ရည်ရွယ်ချက်များကိုပီသသော : စျေးကွက်သုတေသနဖြေရှင်းခံရဖို့ဒါမှမဟုတ်မေးခွန်းဖြေကြားခံရဖို့ပြဿနာတစ်ခုနှင့်အဓိပ္ပါယ်နဲ့အတူစတင်ခဲ့သည်။
ပုံမှန်အားဖြင့်, စျေးကွက်သုတေသနပြုရန်အသုံးပြုနိုင်အများအပြားအခြားရွေးချယ်စရာချဉ်းကပ်မှုရှိပါတယ်။
အဆင့် 2 - ခြုံငုံသုတေသနအစီအစဉ်ကိုတိုးချဲ့ခြင်း : ဤဇာတ်စင်၏တာဝန်လိုအပ်သောသတင်းအချက်အလက်စုဆောင်းရန်အရှိဆုံးထိရောက်မှုလမ်းဆုံးဖြတ်ရန်ရန်ဖြစ်ပါသည်။
အဆင့် 3 - ဒေတာသို့မဟုတ်သတင်းအချက်အလက်များစုဆောင်း : ဤအချက်မှာ, သင်သင်တန်းသားများကစစ်တမ်းများ, ဖုန်းခေါ်ဆိုမှုများ, တဦးတည်း-on-one အင်တာဗျူးတွေ, ဖွင့်ခြင်းရှိမရှိဆက်သွယ်မေးမြန်းခံရဖို့သွားကြသည်ကိုဘယ်လို, အဓိပ္ပာယ် (သတင်းအချက်အလက်များရယူသွားနေဘယ်လိုထည့်သွင်းစဉ်းစားရန်ရှိသည် စတာတွေ) ။
အဆင့် 4 - ဒေတာသို့မဟုတ်သတင်းအချက်အလက် Analyze: သတင်းအချက်အလက်စုဆောင်းခြင်း volumes ကိုလွှမ်းမိုးသောနိုင်ပါတယ်။ ဒီအဆင့်မှာ, သင်အလွန်အရေးပါသည်မဟုတ်ဘာ data နဲ့ပေါင်းပင်ထွက်စည်းရုံးဖို့လိုအပ်ပါတယ်။
အဆင့် 5 - လက်ရှိသို့မဟုတ်တွေ့ရှိချက်ဖြန့်ဖြူး : သင်၏တွေ့ရှိချက်လွှတ်မတိုင်မီ, Actions တွေဘာတွေရှိတယ်ဆိုတာတွေ့ရှိချက် သိ. ရန်သင့်ပရိသတ်ကို သိ. မှစ. သင်ဖြန့်ဖြူးရန်လိုသည့်တွေ့ရှိချက်ကိုသိရန်လိုအပ်ပါသည်။
အဆင့် 6 - ဆုံးဖြတ်ချက်ကိုလုပ်တွေ့ရှိချက်ကိုသုံးပါ : စျေးကွက်သုတေသန၏ပြင်ပစားသုံးသူတိကျစွာတွေ့ရှိချက်ကိုအသုံးမပြုစေခြင်းငှါဖြစ်သောကြောင့်သင့်လျော်စွာ, သို့မဟုတ်လုံးဝကိုသင်ကောင်းသောစျေးကွက်သုတေသန၏ attribute တွေထည့်သွင်းစဉ်းစားရန်လိုအပ်ပါသည်။
quantitative စျေးကွက်သုတေသနဆုံးဖြတ်ချက်ပံ့ပိုးမှု Tool ကို
အောက်ပါစာရင်းအင်းနည်းလမ်းများသင်သုတေသနလုပ်ငန်းစဉ်များတွင် Z ကိုမှတစ်ဦးထံမှရကူညီပေးပါမည်။
- အကွိမျမြားစှာ Regression - ဤကိန်းဂဏန်းလုပ်ထုံးလုပ်နည်းကိုဘယ်လိုလွတ်လပ်သော variable တွေကိုဆိုင်း၏နံပါတ်၏တန်ဖိုးများအဖြစ်မှီခို variable ကိုအပြောင်းအလဲများကို၏တန်ဖိုးရှင်းပြများအတွက်အကောင်းဆုံးမထိုက်မတန်နှင့်အတူညီမျှခြင်းကိုခန့်မှန်းရန်အသုံးပြုသည်။ တစ်ဦးကရိုးရှင်းပြီးစျေးကွက်သုတေသနဥပမာတစ်ခုဖြစ်သည် ကိုအကောင်းဆုံးမထိုက်မတန်၏ခန့်မှန်းချက် ဘယ်လောက်ရောင်းအားဝင်ငွေကို (မှီခို variable ကို) ကြော်ငြာအပေါ်အသုံးစရိတ်များနှင့် ပတ်သက်. အပြောင်းအလဲကြော်ငြာနေရာချထားနှင့်ကြော်ငြာများ၏အချိန်ကိုက်မှာကြည့်ခြင်းအားဖြင့်ကြော်ငြာခြင်းသည်။
- ခွဲခြားဆက်ဆံမှုသုံးသပ်ခြင်း - ဤကိန်းဂဏန်း technique ကိုနှစ်ခုသို့မဟုတ်နှစ်ခုထက်ပိုသောအမျိုးအစားသို့လူတွေ, ထုတ်ကုန်, သို့မဟုတ်အခြားမြင်သာထင်၏ခွဲခြားများအတွက်အသုံးပြုသည်။ စျေးကွက်သုတေသနခွဲခြားဆက်ဆံမှုအသုံးပြုမှုနည်းလမ်းတွေထဲကတစ်အရေအတွက်လေ့လာဆန်းစစ်စေနိုင်သည်။ တစ်ခုမှာရိုးရှင်းတဲ့ဥပမာကြော်ငြာအဘယ်အရာကိုခွဲခြားဖို့ဖြစ်ပါတယ် လိုင်းများ ထုတ်ကုန်အမျိုးမျိုးများအတွက်အထိရောက်ဆုံးဖြစ်ကြသည်။
- factor သုံးသပ်ခြင်း - ဤစာရင်းအင်းနည်းလမ်းနေသောဆုံးဖြတ်ရန်အသုံးပြုသည် အင်အားအကောင်းဆုံးအခြေခံရှုထောင့် အကြားဆက်စပ်ဖြစ်ကြောင်း variable တွေကိုတစ်ပိုကြီးထား၏။ များစွာသော variable တွေကိုဆက်နွယ်နေကြောင်းတဲ့အခြေအနေမျိုးများတွင်အချက်ခွဲခြမ်းစိတ်ဖြာအပြင်းထန်ဆုံးသောဆက်ဆံရေးသတ်မှတ်။ စားသုံးသူတစ်ဦးအထူးသဖြင့်အမျိုးအစားအများဆုံးဆွဲဆောင်နေကြသည် variable တွေကို (သို့မဟုတ်အချက်များ) ၏အဘယ်အရာကိုပေါင်းစပ်သိရန်လိုသူတစ်ဦးကစျေးကွက်သုတေသီချအနည်းငယ် variable တွေကိုပေးရန် data တွေကိုလျှော့ချဖို့အချက်ခွဲခြမ်းစိတ်ဖြာကိုသုံးနိုင်သည်။
- စပျစ်သီးပြွတ်အားသုံးသပ်ခြင်း - ဤကိန်းဂဏန်းလုပ်ထုံးလုပ်နည်းဖြစ်ပါတယ် အရာဝတ္ထုခွဲခြားဖို့အသုံးပြု အပြန်အလှန်သီးသန့်ဒါပေမယ့်လည်းဖွဲ့စည်းပုံအခြေခံဥပဒေထဲမှာအတော်လေးတစ်သားတည်းဖြစ်တည်ခြင်းဖြစ်ကြောင်းတိကျသောအုပ်စုများသို့။ ဤဖြစ်စဉ်ကိုစျေးကွက်သုတေသီအစိတ်အပိုင်းများသို့စားသုံးသူအုပ်စုဖွဲ့လည်းလုပ်သော attribute တွေစိတ်ဝင်စားလွယ်ကူချောမွေ့သောတူညီစိတ်ဝင်စားအခါဈေးကွက် segment ထဲတွင်ဖြစ်ပေါ်အရာကိုဆင်တူသည် စျေးကွက်အစိတ်အပိုင်းများ ကွဲပြား။
- Conjoint သုံးသပ်ခြင်း - ဤစာရင်းအင်းနည်းလမ်းအထုပ်အသုံးပြုသည် စားသုံးသူများ၏ဦးစားပေး ကွဲပြားခြားနားသောစျေးကွက်ကမ်းလှမ်းမှုနှင့် ပတ်သက်. အတူ။ နှစ်ဦးကရှုထောင့်မှာရှိတဲ့စျေးကွက်သုတေသီစိတ်ဝင်စားနေကြသည် conjoint ခွဲခြမ်းစိတ်ဖြာ စီ attribute ကို၏ရည်ညွှန်း utility ကို functions များ, နှင့်စားသုံးသူဖို့ဦးစားပေး attribute တွေ၏ဆွေမျိုးအရေးပါမှု။
- Multidimensional စကေး - ဤအမျိုးအစားယှဉ်ပြိုင်အမှတ်တံဆိပ်သို့မဟုတ်ထုတ်ကုန်များသိမှုဆိုင်ရာအာရုံမြေပုံများအားထုတ်လုပ်ရန်အသုံးပြုသောနည်းစနစ်တစ်ခုကြယ်ကိုကိုယ်စားပြုတယ်။ ဥပမာ, multidimensional အရွယ်တိုင်းအတွက်ကုန်အမှတ်တံဆိပ်အတွက်ကုန်အမှတ်တံဆိပ်များအကြားအကွာအဝေးသောဂုဏ်တော်တစ်ဦးအာကာသအတွင်းပြသနေကြသည် ခြားနားကိုယ်စားပြုတယ် ။ စျေးကွက်သုတေသနအတွက် multidimensional မှုကြီးလျှော့ချဥပမာတစ်ခု K-ခွက်၏ပုံစံအတွက် Single-်ထမ်းဆောင်ကော်ဖီ၏ထုတ်လုပ်သူကိုပြသလိမ့်မယ်။ အဆိုပါကွဲပြားခြားနား K-ခွက်ကိုတံဆိပ်ဝတ်ဆင်သွားမည်ဖြစ်ကြောင်း အဆိုပါ multidimensional အာကာသအတွင်း ထိုကဲ့သို့သောကင်၏အစွမ်းသတ္တိကိုအရသာများနှင့်အထူးဗားရှင်း, ဖြန့်ဖြူးချန်နယ်များနှင့်ထုပ်ပိုး options များအရေအတွက်အတိုင်း attribute တွေဖြင့်ပြုလုပ်နိုင်ပါတယ်။