Hướng dẫn how do i run a tukey test in python? - làm cách nào để chạy kiểm tra tukey trong python?

Sử dụng các phương pháp kiểm tra thống kê trong Python để phát triển chiến lược quảng cáo trực tuyến (có mã).

Kịch bản

Khách hàng của chúng tôi là một công ty quần áo khởi nghiệp chuyên về quần áo của Ath Athle, ở Mỹ. Nhóm tiếp thị của họ muốn khởi động một chiến dịch quảng cáo để tăng lưu lượng truy cập trực tuyến trên trang web của mình, hy vọng sẽ dẫn đến nhiều doanh thu hơn. Để phân bổ tốt nhất thời gian và nỗ lực cho việc ra mắt chiến dịch quảng cáo và tối đa hóa khán giả để xem quảng cáo của họ, họ muốn hiểu 3 điều.

Những từ khóa nào liên quan đến người tiêu dùng đang tìm kiếm nhất?

Người tiêu dùng đang tìm kiếm quần áo thể thao nhất vào tháng nào?

Nền tảng nào là người tiêu dùng sử dụng nhiều nhất cho tìm kiếm của họ?

Mục tiêu

Cung cấp các khuyến nghị cho Công ty Khởi nghiệp Athleisure để xác định các từ khóa tốt nhất, thời gian tốt nhất và nền tảng tốt nhất để chạy quảng cáo của họ.

Dữ liệu

Để thu thập dữ liệu cho nghiên cứu trường hợp này, chúng tôi sẽ sử dụng WordTracker - một dịch vụ cơ sở dữ liệu trả phí để tối ưu hóa công cụ tìm kiếm (SEO). Tối ưu hóa công cụ tìm kiếm về cơ bản chỉ là một cách nói khác:

Tôi muốn tìm ra cách biến trang web của mình thành kết quả hàng đầu cho một tìm kiếm nhất định.

WordTracker giúp khách hàng có thêm lưu lượng truy cập vào trang web của họ hoặc hiểu rõ hơn về những gì người tiêu dùng đang tìm kiếm. WordTracker tương tự như dịch vụ kế hoạch từ khóa của Google nhưng cho phép truy cập vào dữ liệu tìm kiếm trên các nền tảng ngoài Google. Tại thời điểm dữ liệu được trích xuất, WordTracker đã cung cấp một mẫu dữ liệu tìm kiếm đại diện 1 năm từ tháng 6 năm 2018 đến tháng 5 năm 2019 trên Google, YouTube, Amazon và eBay. Nó cung cấp hơn 2 tỷ từ khóa duy nhất từ ​​18 triệu tham luận viên toàn cầu, trên 106 quốc gia. Dưới đây là bản tóm tắt của tất cả dữ liệu trong cơ sở dữ liệu WordTracker liên quan đến khối lượng tìm kiếm ở Hoa Kỳ.

Nhưng làm thế nào để chúng tôi quyết định các thuật ngữ nào liên quan đến Ath Athleure để chọn cho các truy vấn khối lượng tìm kiếm của chúng tôi trên WordTracker? Có nhiều phương pháp, nhưng cách nào tốt hơn là mua sắm từ thông dụng athleisure trực tuyến? Chúng ta có thể tìm kiếm thuật ngữ Ath Athleisure trên Amazon và tìm thấy tất cả các thuật ngữ thường xuyên nhất trong kết quả.“athleisure” on Amazon, and find all of the most frequently occurring terms in the results.

Vì vậy, đối với nghiên cứu của chúng tôi, chúng tôi có thể lấy dữ liệu từ WordTracker với các ràng buộc sau:

• Hơn 70 thuật ngữ liên quan đến AthleIure, sử dụng kết quả từ khóa hàng đầu của Amazon khi tìm kiếm Ath Athle.
• Khối lượng tìm kiếm chỉ ở Hoa Kỳ.
• Tìm kiếm dữ liệu khối lượng được lấy từ Google, YouTube và Amazon.

Theo Tạp chí Công cụ Tìm kiếm - Google, YouTube và Amazon là ba công cụ tìm kiếm phổ biến nhất trên toàn thế giới. Theo Bluelist năm 2019, có khoảng 2 nghìn tỷ tìm kiếm của Google mỗi năm. WordTracker cung cấp gần 2 tỷ tìm kiếm của Google trong khung thời gian 1 năm. Chúng tôi giả định rằng WordTracker cung cấp một mẫu đại diện khoảng 1/1000 của toàn bộ cơ sở dữ liệu tìm kiếm Google trên toàn thế giới.

Bộ dữ liệu được làm sạch có thể được tải xuống tệp .CSV của HEREAS. Để biết toàn bộ mã về cách dữ liệu được gọi từ API WordTracker - hãy tham khảo sổ ghi chép Jupyter này ở đây. Để biết thêm thông tin về cách dữ liệu được làm sạch, hãy tham khảo Sổ ghi chép Jupyter làm sạch dữ liệu tại đây.hereas a .csv file. For the full code on how the data was called from Wordtracker’s API — refer to this Jupyter Notebook here. For additional information on how the data was cleaned, refer to the data cleaning Jupyter Notebook here.

Phân tích dữ liệu khám phá (EDA)

Bảng điều khiển Tableau

Khi dữ liệu đã được trích xuất và làm sạch, chúng tôi có thể thực hiện phân tích dữ liệu khám phá hoặc EDA. Tạo bảng điều khiển Tableau là một cách tuyệt vời để có được sự hiểu biết toàn diện về các mối quan hệ khác nhau giữa các kích thước và biện pháp trong dữ liệu của chúng tôi, tất cả ở một nơi. Một bản xem trước tĩnh của bảng điều khiển này được hiển thị bên dưới. Bảng điều khiển Tableau tương tác đầy đủ có thể được khám phá ở đây.exploratory data analysis, or EDA for short. Creating a Tableau dashboard is a great way to get a comprehensive understanding of the various relationships between the dimensions and measures in our data, all in one place. A static preview of this dashboard is displayed below. The fully interactive Tableau dashboard can be explored here.

Nhưng làm thế nào để chúng tôi quyết định các thuật ngữ nào liên quan đến Ath Athleure để chọn cho các truy vấn khối lượng tìm kiếm của chúng tôi trên WordTracker? Có nhiều phương pháp, nhưng cách nào tốt hơn là mua sắm từ thông dụng athleisure trực tuyến? Chúng ta có thể tìm kiếm thuật ngữ Ath Athleisure trên Amazon và tìm thấy tất cả các thuật ngữ thường xuyên nhất trong kết quả.

Nguồn: Alex Cheng + Justin Fleury qua GitHub

Vì vậy, đối với nghiên cứu của chúng tôi, chúng tôi có thể lấy dữ liệu từ WordTracker với các ràng buộc sau:

Hơn 70 thuật ngữ liên quan đến AthleIure, sử dụng kết quả từ khóa hàng đầu của Amazon khi tìm kiếm Ath Athle.

Nhưng làm thế nào để chúng tôi quyết định các thuật ngữ nào liên quan đến Ath Athleure để chọn cho các truy vấn khối lượng tìm kiếm của chúng tôi trên WordTracker? Có nhiều phương pháp, nhưng cách nào tốt hơn là mua sắm từ thông dụng athleisure trực tuyến? Chúng ta có thể tìm kiếm thuật ngữ Ath Athleisure trên Amazon và tìm thấy tất cả các thuật ngữ thường xuyên nhất trong kết quả.

Nguồn: Alex Cheng + Justin Fleury qua GitHub

Tổng khối lượng trên mỗi động cơ và tỷ lệ tìm kiếm của Ath Athleisure - Biểu đồ thanh

Khi quan sát các số liệu trên mỗi công cụ tìm kiếm, chúng tôi thấy rằng Amazon và YouTube có tổng khối lượng tìm kiếm rất thấp so với Google. Nhưng mặc dù Amazon có khối lượng tìm kiếm tổng thể thấp nhất, nhưng cho đến nay, tỷ lệ cao nhất đối với các thuật ngữ liên quan đến Athleisure. Hơn 25% tất cả các tìm kiếm trên Amazon có liên quan đến các từ khóa AthleAleure! So sánh, 5% tìm kiếm trên YouTube có liên quan đến các từ khóa AthleIure. Và ít hơn 1% các tìm kiếm trên Google có liên quan đến các từ khóa AthleAleure. Những phát hiện này cho thấy Amazon và YouTube có thể phù hợp hơn để chạy quảng cáo thay vì Google vì mọi người đang tìm kiếm rõ ràng các từ khóa AthleIure thường xuyên hơn trên các nền tảng đó.

Trong phần Barplot bên trái, chúng ta có thể thấy rằng Google có gần 600.000.000 tìm kiếm, trong khi Amazon và YouTube kết hợp ít hơn 100.000.000. Tuy nhiên, trong phần bên phải, chúng ta có thể thấy tỷ lệ tìm kiếm cho các thuật ngữ liên quan đến athleIure, so với tất cả các tìm kiếm trên mỗi công cụ tìm kiếm.

Hàm mật độ xác suất (PDF)

Biểu đồ hàm mật độ xác suất dưới đây cho thấy rằng một đoạn khá tốt của các từ khóa của chúng tôi có khối lượng tìm kiếm nhỏ - gần với 0 so với phần còn lại của các từ khóa của chúng tôi. Rõ ràng, một số từ khóa được tìm kiếm cao hơn nhiều so với các từ khóa được tìm kiếm cao là rất hiếm.

Hàm mật độ xác suất (PDF)

Biểu đồ hàm mật độ xác suất dưới đây cho thấy rằng một đoạn khá tốt của các từ khóa của chúng tôi có khối lượng tìm kiếm nhỏ - gần với 0 so với phần còn lại của các từ khóa của chúng tôi. Rõ ràng, một số từ khóa được tìm kiếm cao hơn nhiều so với các từ khóa được tìm kiếm cao là rất hiếm.

Hàm mật độ tích lũy (CDF)

Biểu đồ hàm mật độ tích lũy dưới đây cho thấy 90% từ khóa của chúng tôi có khối lượng tìm kiếm dưới 200.000. Một lần nữa, điều này làm rõ rằng một số lượng lớn các từ khóa của chúng tôi có khối lượng tìm kiếm thấp và chỉ có một số từ khóa được tìm kiếm cao. Biểu đồ CDF này dường như là logarit trong tự nhiên.

Kiểm tra thống kê

Trước khi chúng tôi tham gia thử nghiệm thống kê các biến của chúng tôi, dưới đây là tổng quan ngắn gọn về kiểm tra giả thuyết và các khái niệm mà chúng tôi sẽ sử dụng để xác định ý nghĩa thống kê.Null Hypothesis (H0) is a hypothesis that claims that there is no statistically significant relationship between variables, while the Alternative Hypothesis (HA) claims that there is a statistically significant relationship between variables.

Kiểm tra giả thuyết

Nói rất đơn giản - giả thuyết null (H0) là một giả thuyết tuyên bố rằng không có mối quan hệ có ý nghĩa thống kê giữa các biến, trong khi giả thuyết thay thế (HA) tuyên bố rằng có mối quan hệ có ý nghĩa thống kê giữa các biến.alpha value is the probability of rejecting the null hypothesis when the null hypothesis is true. This is also known as a false-positive, or Type I error. We choose the alpha value in every hypothesis test.

Giá trị alphahigher alpha value means we are okay with a higher probability of error, while a lower alpha value means that we are okay with a very low probability of error. Higher alpha values might be okay when there is no big consequence if there is an error, while low alpha values should be used when there are dire consequences if there is an error (like medical diagnoses, criminal sentencing, or any endangering of a life).

Giá trị alpha là xác suất từ ​​chối giả thuyết null khi giả thuyết null là đúng. Điều này còn được gọi là lỗi dương tính hoặc loại I. Chúng tôi chọn giá trị alpha trong mỗi bài kiểm tra giả thuyết.

P-Value

Giá trị alpha cao hơn có nghĩa là chúng tôi ổn với xác suất lỗi cao hơn, trong khi giá trị alpha thấp hơn có nghĩa là chúng tôi ổn với xác suất lỗi rất thấp. Giá trị alpha cao hơn có thể ổn khi không có hậu quả lớn nếu có lỗi, trong khi các giá trị alpha thấp nên được sử dụng khi có hậu quả thảm khốc nếu có lỗi (như chẩn đoán y tế, kết án hình sự hoặc bất kỳ sự nguy hiểm nào của cuộc sống) .p-value is the “evidence” against a null hypothesis. The smaller the p-value, the stronger the evidence that we can reject the null hypothesis. We compare the p-value to the alpha value that we set for our statistical test.

• Các giá trị alpha thường nằm trong khoảng dưới 0,01 và 0,1. Đối với nghiên cứu trường hợp của chúng tôi, chúng tôi có thể sử dụng giá trị alpha không quá khoan dung, cũng không quá nghiêm ngặt. Vì vậy, chúng tôi sẽ sử dụng giá trị alpha là 0,05.
• Giá trị p là bằng chứng của người Viking đối với một giả thuyết khống. Giá trị p càng nhỏ, bằng chứng cho thấy chúng ta có thể bác bỏ giả thuyết khống càng mạnh. Chúng tôi so sánh giá trị p với giá trị alpha mà chúng tôi đặt cho bài kiểm tra thống kê của chúng tôi.

Nếu giá trị p là

Nếu giá trị p là> = 0,05, thì chúng ta không từ chối giả thuyết null.ANOVA is our statistical test of choice since we are dealing with multiple groups. We will also use Two-Way ANOVA to determine combinations of factors that may be statistically significant.

ANOVA

Phân tích phương sai một chiều hoặc ANOVA là thử nghiệm thống kê của chúng tôi vì chúng tôi đang xử lý nhiều nhóm. Chúng tôi cũng sẽ sử dụng ANOVA hai chiều để xác định sự kết hợp của các yếu tố có thể có ý nghĩa thống kê.In short: ANOVA tells us if our results or significant or not, but does not tell us where the results are significant.

Kiểm tra Tukey

Vấn đề với ANOVA là nó chỉ so sánh các phương tiện giữa các nhóm và xác định xem bất kỳ phương tiện nào trong số đó có khác biệt đáng kể về mặt thống kê với nhau hay không. Nói tóm lại: ANOVA cho chúng tôi biết liệu kết quả của chúng tôi hay có ý nghĩa hay không, nhưng không cho chúng tôi biết kết quả có ý nghĩa ở đâu.Tukey Test allows us to interpret the statistical significance of our ANOVA test and find out which specific groups’ means (compared with each other) are different. So, after performing each round of ANOVA, we should use a Tukey Test to find out where the statistical significance is occurring in our data.

Bài kiểm tra ANOVA + Tukey một chiều

Kiểm tra giả thuyết 1: Từ khóa

Câu hỏi: Có bất kỳ sự khác biệt nào giữa các từ khóa liên quan đến Athleisure khi xem xét khối lượng tìm kiếm không?

Giả thuyết NULL (H0)-Tất cả các từ khóa liên quan đến ATHLEISURE đều bằng nhau về khối lượng tìm kiếm trung bình. — All athleisure-related keywords are equal in terms of average search volume.

Giả thuyết thay thế (HA)-Một số từ khóa liên quan đến Athleisure có khối lượng tìm kiếm trung bình lớn hơn so với các từ khác. — Some athleisure-related keywords have greater average search volumes than others.

Kết quả ANOVA một chiều:

P-value = 1.3293563590514185E-119 <0,05 (đây là gần bằng 0.)

Chúng tôi từ chối giả thuyết NULL có nghĩa là khối lượng tìm kiếm bằng nhau trên tất cả các từ khóa liên quan đến ATHLEISURE. Từ khóa của riêng mình, thực sự tạo thành một sự khác biệt về khối lượng tìm kiếm trung bình cho các mục liên quan đến athleisure.

Kết quả kiểm tra Tukey:

5 thuật ngữ hàng đầu là khác nhau nhất về mặt thống kê so với phần còn lại là:

• "áo trùm đầu"
• "đang chạy"
• "áo nỉ"
• "tập thể dục"
• "uốn cong"

Kiểm tra giả thuyết 2: Tháng

Câu hỏi: Có bất kỳ sự khác biệt giữa các tháng khi xem xét khối lượng tìm kiếm không?

Giả thuyết Null (H0)-Mọi người sẽ có khả năng tìm kiếm các thuật ngữ liên quan đến đồ hoạt động trong bất kỳ tháng nào. — People will be equally likely to search for activewear-related terms in any given month.

Giả thuyết thay thế (HA)-Mọi người sẽ có nhiều khả năng tìm kiếm các thuật ngữ liên quan đến đồ hoạt động tùy theo tháng.— People will be more likely to search for activewear-related terms depending on the month.

Kết quả ANOVA một chiều:

• P-value = 1.3293563590514185E-119 <0,05 (đây là gần bằng 0.)
• Chúng tôi từ chối giả thuyết NULL có nghĩa là khối lượng tìm kiếm bằng nhau trên tất cả các từ khóa liên quan đến ATHLEISURE. Từ khóa của riêng mình, thực sự tạo thành một sự khác biệt về khối lượng tìm kiếm trung bình cho các mục liên quan đến athleisure.
• Kết quả kiểm tra Tukey:

Kết quả kiểm tra Tukey:

• 5 thuật ngữ hàng đầu là khác nhau nhất về mặt thống kê so với phần còn lại là:

"áo trùm đầu"

"đang chạy"

"áo nỉ" — There will be an equal search volume for activewear-related terms on any platform.

"tập thể dục" — There will be a greater search volume for activewear-related terms on one particular platform.

Kết quả ANOVA một chiều:

• P-value = 1.3293563590514185E-119 <0,05 (đây là gần bằng 0.)
• Chúng tôi từ chối giả thuyết NULL có nghĩa là khối lượng tìm kiếm bằng nhau trên tất cả các từ khóa liên quan đến ATHLEISURE. Từ khóa của riêng mình, thực sự tạo thành một sự khác biệt về khối lượng tìm kiếm trung bình cho các mục liên quan đến athleisure.
• Kết quả kiểm tra Tukey:

Kết quả kiểm tra Tukey:

• 5 thuật ngữ hàng đầu là khác nhau nhất về mặt thống kê so với phần còn lại là:
• "áo trùm đầu"

"đang chạy"

"áo nỉ"

"tập thể dục"scipy.stats.f_oneway() function, which returns the F-statistic and p-value (which is what we’re after).

"uốn cong"pairwise_tukeyhsd() function, where we provide our response variable (search volume), the group we are testing (search engine, in this case), and our alpha value (0.05). Then, we simply print the result.

Kiểm tra giả thuyết 2: Tháng

Câu hỏi: Có bất kỳ sự khác biệt giữa các tháng khi xem xét khối lượng tìm kiếm không?

Giả thuyết Null (H0)-Mọi người sẽ có khả năng tìm kiếm các thuật ngữ liên quan đến đồ hoạt động trong bất kỳ tháng nào.

Giả thuyết thay thế (HA)-Mọi người sẽ có nhiều khả năng tìm kiếm các thuật ngữ liên quan đến đồ hoạt động tùy theo tháng.

P-value = 0,8831258135517717> 0,05 — All keyword/engine combinations are equal in terms of mean search volume.

Chúng tôi không từ chối giả thuyết null có nghĩa là khối lượng tìm kiếm bằng nhau trong tất cả các tháng. — Some keyword/engine combinations have greater mean search volume.

Tháng tự nó không tạo thành sự khác biệt về khối lượng tìm kiếm cho các mặt hàng liên quan đến athleisure.

• Không cần phải chạy thử nghiệm so sánh Tukey vì chúng tôi không từ chối giả thuyết khống ở đây.
• Kiểm tra giả thuyết 3: Công cụ tìm kiếm

Kết quả kiểm tra Tukey:

• 5 thuật ngữ hàng đầu là khác nhau nhất về mặt thống kê so với phần còn lại là:

"áo trùm đầu"

"đang chạy"— All keyword/month combinations are equal in terms of mean search volume.

"áo nỉ" — Some keyword/month combinations have greater mean search volume.

Tháng tự nó không tạo thành sự khác biệt về khối lượng tìm kiếm cho các mặt hàng liên quan đến athleisure.

• Không cần phải chạy thử nghiệm so sánh Tukey vì chúng tôi không từ chối giả thuyết khống ở đây.
• Kiểm tra giả thuyết 3: Công cụ tìm kiếm

Có sự khác biệt nào giữa các công cụ tìm kiếm khi xem xét khối lượng tìm kiếm không?

Giả thuyết Null (H0)-Sẽ có một khối lượng tìm kiếm bằng nhau cho các thuật ngữ liên quan đến đồ hoạt động trên bất kỳ nền tảng nào. — All engine/month combinations are equal in terms of mean search volume.

Giả thuyết thay thế (HA)-Sẽ có khối lượng tìm kiếm lớn hơn cho các thuật ngữ liên quan đến đồ hoạt động trên một nền tảng cụ thể. — Some engine/month combinations have greater mean search volume.

Tháng tự nó không tạo thành sự khác biệt về khối lượng tìm kiếm cho các mặt hàng liên quan đến athleisure.

• Không cần phải chạy thử nghiệm so sánh Tukey vì chúng tôi không từ chối giả thuyết khống ở đây.
• Kiểm tra giả thuyết 3: Công cụ tìm kiếm

Mã số

Dưới đây là các ví dụ về đoạn mã về cách thực hiện thử nghiệm ANOVA và Tukey hai chiều trong Python.

Đối với ANOVA hai chiều, chúng tôi cung cấp một chuỗi công thức trực tuyến để xác định các nhóm của chúng tôi theo yêu cầu của chức năng StatSmodels.formula.api.ols (), gán hàm OLS () được trang bị này cho một biến, sau đó cung cấp biến đó vào hàm sm.stats.anova_lm (). Trong đầu ra, chúng tôi tìm đến cột PR (> F) cung cấp giá trị p của chúng tôi (đó là những gì chúng tôi sau đó).statsmodels.formula.api.ols()function, assign this fitted ols() function to a variable, then feed that variable into the sm.stats.anova_lm() function. In the output, we look to the PR(>F) column which provides our p-values (which is what we’re after).

Đối với thử nghiệm Tukey sau ANOVA hai chiều, chúng tôi gán một biến cho hàm pairwise_tukeyhsd (), trong đó chúng tôi cung cấp biến phản hồi của chúng tôi (khối lượng tìm kiếm), các nhóm chúng tôi đang kiểm tra (kết hợp từ khóa + công cụ tìm kiếm, trong trường hợp này), trong trường hợp này), và giá trị alpha của chúng tôi (0,05). Sau đó, chúng tôi ép buộc đầu ra vào một khung dữ liệu để phân tích và lọc dễ dàng hơn, và thêm một cột Total Total_Sum để thêm tất cả các từ chối (đúng) cho mỗi quan sát trong mỗi nhóm. Có một số lượng rất lớn các kết hợp, vì vậy chúng tôi chỉ hiển thị 20 kết quả hàng đầu.pairwise_tukeyhsd() function, where we provide our response variable (search volume), the groups we are testing (combo of keyword + search engine, in this case), and our alpha value (0.05). Then, we coerce the output to a dataframe for easier analysis and filtering, and add a “total_sum” column to add up all of the (True) null rejections for each observation in each group. There are a very large number of combinations, so we only show the top 20 results.

khuyến nghị

Từ khóa

Có 5 từ khóa vượt trội so với bất kỳ từ khóa liên quan đến AthleAlure nào khác được kiểm tra trên tất cả các nền tảng và tháng. Chúng tôi có thể đề nghị chiến dịch quảng cáo sử dụng 5 từ thông dụng này:

• "áo trùm đầu"
• "đang chạy"
• "áo nỉ"
• "tập thể dục"
• "uốn cong"

Động cơ

Quảng cáo không nên được ra mắt trên Google, vì nó có khối lượng tìm kiếm thấp nhất cho các từ khóa liên quan đến AthleAle. Nếu khối lượng tìm kiếm là quan trọng nhất, thì chúng tôi sẽ giới thiệu YouTube. Nếu thị phần là quan trọng nhất, thì chúng tôi sẽ giới thiệu Amazon.

Tháng

Tháng tự nó không có ý nghĩa thống kê đủ về một yếu tố để cung cấp một khuyến nghị tự tin. Tháng chỉ nên được coi là một yếu tố khi kết hợp với một nền tảng và bộ từ khóa cụ thể.

Keyword/Engine

Dưới đây là 10 kết hợp từ khóa/động cơ hàng đầu mà chúng tôi muốn giới thiệu cho công ty khởi động quần áo Athleisure của chúng tôi để giúp họ hướng dẫn các nỗ lực quảng cáo của họ trực tuyến. Lưu ý một lần nữa rằng Google không được khuyến nghị là một nền tảng để chạy các quảng cáo AthleAle.

Cải tiến + công việc trong tương lai

Cải tiến

• Chúng tôi có thể đảm bảo tất cả các loại từ đang được kiểm tra vì các từ khóa AthleIure là tương tự nhau. Ví dụ: sử dụng tất cả các danh từ hoặc tất cả các tính từ, v.v.
• Chúng tôi có thể giới hạn kết quả để tìm kiếm liên quan đến quần áo rõ ràng. Ví dụ, hãy xem xét việc ghép một tính từ liên quan đến Ath Athleure cho một bài báo về quần áo - Ex:
• Chúng tôi có thể đảm bảo tất cả các nền tảng được so sánh đều giống nhau trong dịch vụ mà họ cung cấp cho độ chính xác tốt hơn. Ví dụ: so sánh Google với Bing, hoặc YouTube và Vimeo, hoặc Amazon và eBay.

Công việc tương lai

• Chúng tôi có thể khám phá số liệu thống kê nhân khẩu học khối lượng tìm kiếm của từng động cơ, ví dụ: tuổi, giới tính hoặc thu nhập.
• Chúng tôi có thể điều tra tỷ lệ chuyển đổi - có nghĩa là ai thực sự mua sản phẩm sau khi xem quảng cáo.
• Chúng tôi có thể xem xét các chi phí của việc chạy một quảng cáo trên một nền tảng cụ thể. Ví dụ: chi phí của một quảng cáo trên Google so với Amazon là bao nhiêu?

Thanks!

Cảm ơn đã đọc blog này! Tôi hy vọng nó hữu ích và mang lại sự rõ ràng cho thử nghiệm thống kê nào có khả năng trong trường hợp sử dụng hiện đại, trong thế giới thực. Tôi mở để nghe suy nghĩ và phản hồi của bạn! Tất cả các mã và dữ liệu có thể được tìm thấy tại kho lưu trữ GitHub của tôi. Hãy kết nối với tôi trên LinkedIn.GitHub repository. Feel free to connect with me on LinkedIn.