Público-Alvo Profissionais, estudantes e interessados da área de Marketing que desejam conhecer os fundamentos básicos de Marketing Analítico e sua aplicação prática. Objetivo do Curso O curso tem como objetivo central introduzir o conceito de Marketing Analítico e apresentar de forma simplificada e prática algumas técnicas, de modo que o participante possa avaliar e recomendar decisões e ações em Marketing baseadas em análise de dados. Objetivos de Aprendizagem Ao final do curso o aluno será capaz de: • Explicar a importância de definir e utilizar métricas em Marketing. • Desenvolver métodos de levantamento de dados primários e secundários. • Desenvolver hipóteses testáveis inferindo causalidades. • Segmentar o mercado com base no comportamento do consumidor. • Gerar insights para o posicionamento de marca. • Suportar a tomada de decisões em Marketing com base em fatos e dados. Dedicação e Carga-Horária Cinco módulos temáticos de aproximadamente 3h cada, totalizando 15h. Cada módulo tem duração estimada de uma semana. Assista ao vídeo de divulgação do curso: https://youtu.be/FvtgLAW_s8Y
Análise de Correlação (Parte 1)
Loading...
Do curso por Insper
Introdução ao Marketing Analítico
460 classificações
Na lição
Inferindo Propriedades e Características de uma População
Ao final desse módulo, espera-se que você esteja apto a formular hipóteses testáveis quantitativamente e analisar testes e modelos lineares.
Conheça os instrutores
Carlos R. F. BaraProfessor
Danny ClaroProfessor
Silvio LabanProfessor
[MÚSICA]
Olá!
Retomando o módulo "Inferindo Propriedades e Características de uma
População" gostaria de discutir com vocês a questão da correlação.
Nessa lição nós vamos concentrar na importância que correlação
tem para marketing.
Em marketing existe grande impacto prático,
de carácter exploratório, que nós podemos utilizar essa técnica a fim de entender
pouco melhor, por exemplo se algum esforço de vendas,
no ponto de venda surtiu efeito em vendas.
Por exemplo se o preço colocado no produto
afetou a propensão dos indivíduos a comprar o produto.
Por exemplo se a ação que eu fiz de propaganda na TV
afetou a atitude com relação a minha marca,
ou mesmo afetou a disposição deles de comprar o produto.
Então para marketing correlação é algo super importante.
Nesse momento eu, estamos mais preocupados em
identificar a associação entre variáveis,
ainda não entraremos no tópico sobre causalidade.
Aqui nós queremos justamente verificar se existe a relação entre duas variáveis
e para marketing isso é bastante importante.
Em correlação nós estaremos fazendo uma análise bidimensional.
Qual que é o objetivo da análise bidimensional?
É encontrar a associação ou relação entre variáveis e essas
relações elas podem ser identificadas por meio de gráficos,
ou mesmo medidas numéricas o que facilita bastante a vida do profissional
de marketing que precisa endereçar problemas que envolvem orçamento,
custo e envolve resultados: compra ou não de produtos.
Vale frisar que a associação está relacionada à mudança de opinião sobre o
comportamento de uma variável na presença de informação de uma outra variável.
Então no caso quando eu chamo de variáveis, assim como eu falei para vocês,
existem exemplos de consumo de produto e desconto que eu ofereço naquele produto,
naquele ponto de venda, numa determinada época do tempo.
A associação entre duas variáveis quantitativas
ela pode ser analisada com base num gráfico que é conhecido como
gráfico de dispersão ou também como diagrama de dispersão.
Esse é recurso gráfico, visual, bastante poderoso,
que nos permite visualizar o comportamento do conjunto de duas variáveis.
Em apresentações que você precisa fazer
relacionadas a variáveis diretamente ligadas a marketing,
o diagrama de dispersão já permite a gente inferir sobre a associação dessas
duas variáveis, como elas se comportam.
Existe também uma outra forma de medir a associação
entre duas variáveis que é justamente o coeficiente de correlação linear.
O coeficiente de correlação linear ele mede a intensidade da associação
entre duas variáveis.
Essa questão da intensidade é bastante importante porque complementa a nossa
análise do diagrama de dispersão nos informando com pouquinho mais
de precisão se a associação ela é positiva ou negativa por exemplo ou inclusive
utilizando de algum teste de hipótese como a gente viu na lição de teste de hipótese,
para informar se essa correlação ela é ou não significativa.
Então vamos primeiro para o gráfico de dispersão.
Como a gente pode ver no gráfico de dispersão,
existe aí no eixo y vendas,
em milhares de reais e no eixo x o impacto de promoção.
Então quantos dias eu ofereci desconto daquele produto,
naquele ponto de venda, naquela determinada região?
Qual é associação que existe desses dias de promoção com a venda?
Será que o consumidor ele se sensibilizou mais com relação ao produto ou não?
Nesse momento é interessante a gente observar
que os pontos eles caminham na direção do quadrante superior direito.
Com base no gráfico de dispersão eu já consigo observar a associação
positiva entre vendas e o impacto da promoção em dias.
Visualmente a gente consegue perceber que os pontos
eles caminham na direção do quadrante superior direito.
Com base no diagrama de dispersão a gente consegue
já inferir o tipo de associação que existe entre as variáveis.
Nós estamos vendo vendas e intensidade de promoção.
Basicamente o diagrama ele vai nos informar se existe
uma associação positiva, negativa, ou se não existe associação.
Então esse primeiro gráfico, mostra para a gente de maneira bastante clara,
uma tendência de crescimento, então quanto maior promoção, maior vendas.
Então os pontos eles estão dispersos de forma a eu,
inclusive ser capaz de traçar uma linha de tendência,
que vai do 0 até ao canto superior direito do gráfico.
Quando os pontos se comportam dessa forma no gráfico,
eu posso afirmar que existe uma associação positiva.
E por hora eu só afirmaria uma associação positiva, eu não consigo ainda inferir
qual a intensidade dessa associação positiva e se ela é significativa ou não.
Uma outra, outro comportamento
que existe de associação entre duas
variáveis é justamente a inversa, a associação negativa.
Então se eu olhar no próximo gráfico,
os pontos eles estão dispersos de forma a eu
conseguir traçar uma curva de tendência que
vai do topo superior esquerdo para o canto inferior direito,
então de forma que essas duas variáveis,
por exemplo se eu aumentar preço o que vai acontecer com vendas?
Aumentando o preço, vendas vai cair.
E aí finalmente uma terceira inferência que eu tiro desse diagrama de dispersão,
é quando na verdade eu não consigo afirmar que existe uma associação entre
essas duas variáveis e esse gráfico ele mostra claramente
que se eu aumentar ou diminuir essa ação,
as vendas elas reagem de maneira talvez
até aleatória, sem padrão definido.
Agora que nós fomos capazes de entender como os diagramas
de dispersão eles se comportam, é interessante nós aprendermos
como calcular coeficiente, que vai nos informar a intensidade
e vai permitir inclusive, fazer teste de hipótese em cima dessa intensidade.
O coeficiente de correlação linear, ele basicamente leva em consideração
a covariância de duas variáveis, assim como a gente pode ver na fórmula,
dividida pelo produto do desvio padrão dessas duas variáveis.
Muito bem, grande parte dos pacotes hoje,
de softwares estatísticos e até em Excel eles já calculam isso para nós,
a gente não precisa calcular isso na mão, como no passado a gente precisava.
O que eu gostaria que você tivesse uma boa noção,
é de como esse coeficiente, ele varia.
Então o coeficiente que é conhecido numa anotação estatística,
como o r minúsculo, ele varia de -1 a 1.
Onde, se ele estiver próximo do 0,
é como aquele gráfico que nós vimos de dispersão, onde não não havia associação.
Os pontos estarão dispersos,
no gráfico e a correlação no final seria muito próxima de 0.
Essa medida de associação linear entre duas variáveis,
ela pode também nos informar coeficiente próximo de 1, 1 positivo.
Isso nos indica que a correlação entre essas duas variáveis,
ou seja a associação bilateral, ela é positiva.
Agora esse coeficiente ele pode também nos informar
número próximo de -1, ou seja, negativo.
Aí o que eu posso inferir é que a associação entre essas duas variáveis,
ela é negativa.
Como a gente viu no exemplo do diagrama de dispersão,
onde o aumento de preço, acabava levando a uma quebra de vendas.
E uma diminuição de preço acaba levando a aumento de vendas.
Uma vez que nós entendemos como a correlação funciona, eu convido vocês
a assistirem video, que é Ted Talk de uma professora de estatística,
que endereça justamente a esse tema que estamos vendo nessa videoaula.
E após assistir esse vídeo,
volte para a próxima videoaula que vai de maneira bem direta e curta,
endereçar os riscos de correlações espúrias,
ou seja, associações não diretas, entre duas variáveis.
Espero vocês no próximo vídeo.
[SEM ÁUDIO]
[SEM ÁUDIO]
Explore nosso catálogo
Registre-se gratuitamente e obtenha recomendações, atualizações e ofertas personalizadas.
O Coursera proporciona acesso universal à melhor educação do mundo fazendo parcerias com as melhores universidades e organizações para oferecer cursos on-line.
© 2018 Coursera Inc. Todos os direitos reservados.
