أنت تفكر في تغيير استراتيجية تسعير التجارة الإلكترونية الخاصة بك بناءً على حدس مفاده أنه إذا كنت تتقاضى رسومًا أقل لكل منتج ، فسوف يرتفع حجم مبيعاتك بما يكفي لزيادة أرباحك. لكنك تريد بعض البيانات لدعم هذا الحدس. لذلك قررت إجراء مسح لبعض عملائك ويقول الكثيرون إنهم سيشترون المزيد بأسعار أقل.
لقد واجهت الآن المشكلة التالية: ما مدى احتمالية تطبيق هذه الردود من عينة من عملائك على جميع عملائك؟ يُعرف احتمال حدوث ذلك بالأهمية الإحصائية ، وهي المعلومات التي يمكن أن تساعد الشركة في اتخاذ قرارات مستنيرة.
https://www.youtube.com/watch؟v=hXHym9wDn
ما هي الدلالة الإحصائية؟
تشير الدلالة الإحصائية إلى الوقت الذي من غير المحتمل أن يكون فيه النمط الظاهر في مجموعة البيانات فرصة عشوائية أو حدث بالصدفة. إذا كنت تقوم بتحليل الاتجاهات في بيانات المبيعات الخاصة بك ، على سبيل المثال ، ولاحظت أن منتجك يحظى بشعبية غير معتادة لدى مجموعة سكانية معينة ، فيمكنك المضي قدمًا لإثبات أن اكتشافك مهم إحصائيًا للتأكد من أنه ليس نتيجة خطأ في أخذ العينات.
لن تكون هناك حاجة للدلالة الإحصائية إذا كان لديك كل البيانات ، وهو أمر يكاد يكون من المستحيل جمعه. على سبيل المثال ، سيكون الأمر مكلفًا للغاية وسيستغرق وقتًا طويلاً لسؤال 170 مليون ناخب أمريكي مسجل عن الكيفية التي خططوا بها للتصويت في الانتخابات الرئاسية. ومع ذلك ، يجب أن تعطي عينة عشوائية من 1000 ناخب فكرة ذات مغزى عن كيفية تصويت بقية السكان.
دلالة إحصائية في التجارة الإلكترونية
يمكن لشركات التجارة الإلكترونية استخدام اختبار الأهمية عند الموازنة بين القرارات مثل إدخال منتجات أو خدمات جديدة أو استراتيجيات التسويق أو التغييرات في عمليات التشغيل.
على سبيل المثال ، يمكن أن يساعد اختبار الأهمية الإحصائية شركة عبر الإنترنت في تحديد ما إذا كان الوقت المرن لبعض الموظفين بدلاً من أسبوع العمل الثابت يحسن الإنتاجية.
تقرر اختبار الفكرة عن طريق اختيار 100 من مندوبي المبيعات بشكل عشوائي للاستمرار في الوقت المرن (المتغير المستقل) ، وإخبارهم أنه يمكنهم العمل في الأيام والساعات التي تناسبهم بشكل أفضل. وفي الوقت نفسه ، يبقى 100 عامل آخر تم اختيارهم عشوائيًا ، والمعروفين باسم المجموعة الضابطة ، بجدول ثابت من الاثنين إلى الجمعة.
بعد شهر واحد ، تقوم الشركة بتحليل مخرجات 100 مندوب مبيعات بمرونة لمعرفة ما إذا كان هناك أي تغيير في المبيعات المكتملة. إذا تجاوزت المبيعات الفردية (المتغير التابع) من قبل تلك المجموعة إنتاج المجموعة الضابطة ، يمكن للشركة استخدام اختبار الأهمية الإحصائية لتحديد احتمال أن يكون الجدول الزمني المرن وراء الزيادة في المبيعات.
ما هو اختبار الفرضيات؟
يدور اختبار الفرضية حول تحديد ما إذا كانت هناك علاقة بين متغيرين ، يسمى المتغير التابع والمتغير المستقل. يبدأ بفرضية ، وهي النظرية القائلة بأن المتغير التابع يتأثر بالمتغير المستقل. على سبيل المثال ، يفترض باحث عن بائع ملابس رياضية عبر الإنترنت أن الزيادة في إعلانات وسائل التواصل الاجتماعي (المتغير المستقل) ستؤدي إلى عمليات شراء فورية أكثر من النقرات على تلك الإعلانات (المتغير التابع).
الهدف هو معرفة ما إذا كان التفسير المقترح مقبولًا ، وما هو مستوى الثقة الذي يمكن قبوله. غالبًا ما يتم استخدام مستوى ثقة بنسبة 95٪ كعتبة لتأسيس الأهمية الإحصائية. قد يحدد اختبار العينة العلمية مستويات ثقة أكثر صرامة ، مثل 99٪ ، بينما قد تقبل الدراسات في مجالات أخرى مثل الأعمال والاقتصاد مستويات ثقة أقل.
الاختبار الذي يفشل في إنتاج مستوى دلالة إحصائية يعني أنه يجب على الباحث قبول الفرضية المعاكسة ، والتي تسمى الفرضية الصفرية ، أو أنها كانت مجرد مصادفة أو فرصة وراء أداء المتغير التابع.
https://www.youtube.com/watch؟v=vNIcSMLyutc
7 خطوات للاختبارات لتحديد الدلالة الإحصائية
- حدد ما سيتم اختباره
- اذكر فرضيتك
- حدد مستوى الأهمية أو القيمة الاحتمالية
- اختر نوع العينة وحجمها
- اجمع البيانات
- احسب النتائج
- هل الأهمية قوية؟
يتطلب إنشاء دلالة إحصائية الخطوات السبع التالية.
1. تحديد ما سيتم اختباره
على سبيل المثال ، تريد شركة بيع الملابس الرياضية بالتجزئة عبر الإنترنت تجربة حملة إعلانية جديدة على وسائل التواصل الاجتماعي مثل Facebook و Instagram لمعرفة ما إذا كانت تحقق المزيد من مبيعات المنتجات ، مقارنة بالإعلانات المستخدمة الآن. أنت تخطط لتشغيل الإعلانات الجديدة والحالية ثم تتبع سلوك المتسوقين عبر الإنترنت.
2. اذكر فرضيتك
هذا هو تخمينك المستنير لما يجب أن يحدث. على سبيل المثال ، قد تكون الفرضية هي أن الإعلان الجديد سيؤثر على المزيد من الأشخاص لإجراء عملية شراء بعد مشاهدته.
3. حدد مستوى الأهمية أو القيمة الاحتمالية
يسمى هذا الاحتمال بالخطأ القيمة الاحتمالية. إذا قمت بتعيين القيمة الاحتمالية 0.05 ، أو 5٪ ، فإن هذا يعني أن احتمالية الفرضية الصفرية – أنه لا توجد علاقة بين النقرات على الإعلان الجديد وزيادة أو انخفاض مشتريات منتجك – يجب ألا تتجاوز 5٪. بطريقة أخرى ، تريد أن تكون واثقًا بنسبة 95٪ من أن المتغيرين لهما علاقة ذات دلالة إحصائية.
اختبار أقل صرامة ، على سبيل المثال ، قد يحدد قيمة p 0.1 ، أو 10٪ ، ومستوى ثقة مقابل 90٪.
4. اختر نوع العينة وحجمها
يقوم بائع التجزئة للملابس الرياضية عبر الإنترنت بإعداد اختبار لمدة ثلاثة أيام للإعلان الحالي عبر الإنترنت والإعلان الجديد ، وتتبع عينة عشوائية من 500 متسوق عبر الإنترنت.
5. جمع البيانات
في هذا المثال ، سيتتبع نشاطك التجاري لبيع الملابس الرياضية بالتجزئة عدد مشاهدات كل إعلان تم تحويله إلى عمليات شراء للمنتجات عبر الإنترنت.
6. احسب النتائج
ثم يتحول التحليل إلى معادلات إحصائية مختلفة لأشياء مثل الخطأ المعياري والانحراف المعياري ، وهي طرق لقياس أو تقدير تباين بيانات العينة من متوسط أو قيمة متوسطة. يمكن للآلات الحاسبة المختلفة عبر الإنترنت معالجة الأرقام (الحساب اليدوي يستغرق وقتًا طويلاً ومعقدًا).
7. هل الأهمية قوية؟
قرر ما إذا كان مستوى الأهمية قويًا بما يكفي لدعم القرار. في المثال أعلاه ، إذا أظهرت النتائج احتمالًا بنسبة 95٪ أن يؤدي الإعلان الجديد العملاء إلى الشراء ، فيجب على بائع التجزئة اعتماد الحملة الإعلانية الجديدة للوسائط الاجتماعية.
https://www.youtube.com/watch؟v=0K_MjuT2Cb0
حدود اختبار الدلالة الإحصائية
اختبار الدلالة الإحصائية ليس دقيقًا ويخضع لتحذيرين مهمين.
أولاً ، يجب أن تعكس عينة السكان عامة السكان وأن يتم اختيارها عشوائياً ؛ خلاف ذلك ، هذا ما يسميه الباحثون عينة متحيزة. على سبيل المثال ، قد تكون دراسة استقصائية شملت 1000 ناخب محتمل في نيويورك أو كاليفورنيا حول انتخابات رئاسية متحيزة لأن عدد الناخبين الديمقراطيين يفوق عدد الجمهوريين في تلك الولايات بشدة ، ولا يمكن استقراء نتيجة الاستطلاع بدقة لبقية البلاد.
ثانيًا ، يحدد الاختبار الإحصائي الاحتمالية ، ولكن ليس اليقين ، للعلاقة بين المتغيرات. يعني مستوى الثقة 95٪ أنه لا يزال هناك احتمال 5٪ أن النتيجة خاطئة. قد يجد الباحث بشكل غير صحيح دلالة إحصائية عند عدم وجود دلالة إحصائية ؛ تُعرف هذه النتائج بالإيجابيات الخاطئة. بدلاً من ذلك ، إذا لم يجد الباحث أي علاقة ذات دلالة عند وجود علاقة ، فهذه علاقة سلبية خاطئة.
الأسئلة الشائعة حول الدلالة الإحصائية
ما هو الفرق بين الدلالة الإحصائية والدلالة العملية؟
توضح الدلالة الإحصائية احتمال وجود علاقة بين المتغيرات ، ولكن ليس حجم العلاقة. تدور الأهمية العملية حول ما إذا كان تأثير المتغير المستقل على المتغير التابع كبيرًا بما يكفي ، بالمعنى الواقعي ، لإحداث تغيير ، مثل إجراء حملة إعلانية جديدة عبر الإنترنت أو تنفيذ إستراتيجية جديدة للتسعير المتميز.
ما هي أخطاء النوع الأول (إيجابية كاذبة) والنوع الثاني (سلبية كاذبة) في اختبار الدلالة الإحصائية؟
يجب أن يدرك الباحثون أن اختبارات الأهمية الإحصائية تنطوي على مخاطر فهمها بشكل خاطئ. يمكن أن يحدث أحد نوعين من الأخطاء الأساسية. يُعرف الخطأ من النوع 1 بالنتيجة الإيجابية الخاطئة – حيث يجد الاختبار دلالة إحصائية عندما لا يوجد أي خطأ في الواقع. في هذه الحالة ، يجب على الباحث قبول الفرضية الصفرية. خطأ من النوع 2 هو خطأ سلبي خاطئ – لا يجد الاختبار علاقة ذات دلالة إحصائية بين المتغيرات ، في حين أن هناك واحدة بالفعل.
هل يمكن تطبيق الدلالة الإحصائية على جميع أنواع البيانات؟
يمكن تحليل جميع أنواع البيانات تقريبًا من أجل الأهمية الإحصائية ، سواء كانت سياسية أو علمية أو طبية أو اقتصادية أو مالية. أكثر أشكال البيانات التي يتم تحليلها في اختبار الأهمية شيوعًا هي البيانات الثنائية ، مثل الردود البسيطة بنعم – لا على استطلاعات الرأي ، والبيانات المنفصلة أو العد ، مثل عدد النقرات على إعلان عبر الإنترنت. الشكل الثالث ، المعروف بالبيانات المستمرة ، يدور حول نطاق من القيم بدلاً من قيم ثنائية أو قيم تعداد معينة. على سبيل المثال ، قد تتتبع دراسة إنفاق المستهلكين في محلات السوبر ماركت طول الوقت الذي يقضيه المتسوقون في المتاجر.
كيف يؤثر حجم العينة على الدلالة الإحصائية؟
حجم العينة هو عامل حاسم في الحصول على نتيجة موثوقة من اختبار الأهمية. بشكل عام ، تعمل العينة الأكبر على تحسين احتمالات تحديد نتيجة ذات دلالة إحصائية. العينة الأصغر لديها مخاطر أعلى في إنتاج نتائج إيجابية كاذبة أو سلبية كاذبة. ومع ذلك ، يمكن أن تكون العينات كبيرة جدًا. يستغرق تتبع عينة أكبر مزيدًا من الوقت والمال ، وقد لا تتحسن الموثوقية.