Verileri anlamak yazısına friendfeed’de Deniz Oktar yorum yapmış (Deniz’in bu konuda çalışmaları var).

Veri derinliği, yaşam boyu değer (YBD) konusundaki yazı dizisinde ele almayı düşündüğüm bir konuydu. Bu yazıyla giriş yapacağız..

Deniz Oktar’ın yorumlarında iki önemli nokta var. Deniz diyor ki:

“Bu veriyi bir insanın anlayacağı hale getirmek gerçekten gerekli mi?”

Film seçiminde veri sayısı arttıkça (Bu işin içerisine filmlerin kategorileri, yönetmenleri gibi bilgiler girince)  sonuçlar kötüye gidiyordu.

YBD modellemesi yapan bazı kurumlardaki arkadaşlarla görüşüp, yazıştım. Yazılıma her bilgiyi girmişler. Sonra da sonuç beklemişler. Pek memnun değillerdi ellerine geçen sonuçtan…

Nedenini konuştuk. Şunları söyledim:

Binlerce müşterinin uzun dönem boyunca tüm alışverişlerini bir yazılıma girebilirsiniz. Eğer milyon dolarlık yazılımlardan birine sahipseniz hata oranı çok düşük bir teklif sistemi oluşur.

Ancak, deneyimlerimin bana gösterdiği şudur: İlk 3 – 4 seviyedeki baskın özelliklerin ne olduğunu bulmak daha önemlidir.

“Baskın özellik” deyiminin altını da çiziyorum. İlk seviye herkes için aynıdır. Satın alma kararında en önemli fark, hangi özellikten kaynaklanırsa… Örneğin bu cinsiyet olabilir:

(örnektir)

Sonraki seviyelerde kırılımı etkileyen faktörler (baskın özellikler) değişir. Örneğin, kadınlarda medeni hal olurken, erkeklerde gelir düzeyi olabilir.

İki sonraki seviye de kadınlarda

• bekarlar için gelir düzeyi;
• evliler için çocuk sayısı iken,

Erkeklerde

• alt gelir grubunda yaş aralıkları;
• orta gelir grubunda unvan;
• üst gelir grubunda ise medeni hal olabilir.

Yani her özellik, her düzeyde eşit ağırlıklı değildir.

Müşteri kararlarını etkileyen özelliklerin anlaşılması için “ilk 3 – 4 basamağın alınıp iyi incelenmesini” öneriyorum.

Aksi takdirde,  (paranız varsa) iyi yazılım öğrenir. Ama siz müşterinizi öğrenemezsiniz.

“Şart mıdır?” derseniz, (hani “parasıyla değil mi, bunca parayı neden veriyoruz?” gibilerden) bence öğrenirseniz iyi olur.