所以我正在尝试重新创建this blog post,但作者没有给出与 R 一起使用的非常详细的步骤。
所以,我有this set of data,其中包含付费搜索总支出,品牌支出,非品牌支出,付费点击(仅标记为点击次数),有机访问次数,总访问量,访问者和电子商务网站的交易。
我试图独自完成第一部分并获得此输出:
> fit <- lm(organic.visits ~ visits + clicks +visitors + transactions, data=mydata)
> summary(fit)
Call:
lm(formula = organic.visits ~ visits + clicks + visitors + transactions,
data = mydata)
Residuals:
Min 1Q Median 3Q Max
-5916.6 -1100.9 -237.4 811.6 8444.0
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) 7028.56997 502.55911 13.986 < 2e-16 ***
visits 1.15842 0.04406 26.295 < 2e-16 ***
clicks 0.46578 0.09884 4.712 3.39e-06 ***
visitors -1.13322 0.04442 -25.513 < 2e-16 ***
transactions -1.11505 0.19823 -5.625 3.49e-08 ***
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
Residual standard error: 1903 on 399 degrees of freedom
Multiple R-squared: 0.8236, Adjusted R-squared: 0.8219
F-statistic: 465.8 on 4 and 399 DF, p-value: < 2.2e-16
首先:我想知道我是否正确地做了这个,或者是否有更好的方法。
第二:我想知道如何做文章的第二部分,即ADBUDG经济营销模型。我试图在线搜索,但没有找到任何有用的帮助完成这部分分析。作者没有就如何做到这一点给出任何指示。
答案 0 :(得分:0)
首先,您需要将自然搜索点击设置为您的自变量 - 位于“〜”的左侧 - 并将其他点数设置为因变量(付费搜索点击次数应为1)。
然后查看付费搜索点击次数的估算值,了解它们对自然搜索的影响。
要查找ADBUDG模型参数的最佳估计值,您需要使用某种求解器。首先创建方程(b +(a-b)*花费^ c /(d +花费^ c)),然后通过从实际值中减去ADBUDG预测来计算每个点的误差。然后你可以使用Excel的求解器或R中的求解器来找到最小化总平方误差的a,b,c和d。
a给出上限,b根据数据给出下限。