15、客户到达数据分析与业务应用

客户到达数据分析与业务应用

1. 通用线性模型（GLM）在客户到达率分析中的应用

通用线性模型（GLM）可视为方差分析（ANOVA）的更灵活版本，它既能处理如ANOVA中的固定因素水平，也能处理多元回归中的连续变量。我们构建了一个包含星期几（DayOfWeek）和一天中的小时（HourOfDay）主效应以及二者交互作用的模型。结果显示，主效应和交互项均显著。

ANOVA表展示了与之前观察到的星期几因素相同的平方和（SS），以及一天中小时因素的相同SS，还包括两个主因素之间交互作用的额外SS。该模型解释了约70%的客户到达率变化。

从主效应图来看，一天中的平均到达率在清晨达到峰值，上午11点左右开始下降，并在傍晚继续下降。星期几的主效应仍显示出类似ANOVA中观察到的“周日”效应。

交互图展示了星期几和一天中小时效应之间的复杂交互。在图的左下角，模型显示诊所周六（day = 6）和周日（day = 7）下午晚些时候客户到达率降至零，因为此时诊所关闭。右上角显示工作日的到达模式彼此相似。周末时，周六清晨有一个较大的到达高峰，而周六和周日下午3点诊所关闭时到达率降至零。

使用GLM分析数据的另一个优势是，拟合方程的系数可用于根据因素值进行预测。该模型对观察数据拟合良好，可用于容量规划的预测。

以下是相关分析的流程：
1. 收集客户到达时间数据。
2. 构建包含DayOfWeek和HourOfDay主效应及交互作用的GLM模型。
3. 分析模型输出，确定主效应和交互项的显著性。
4. 查看ANOVA表，了解各因素的平方和。
5. 观察主效应图和交互图，分析到达率的变化模式。