こんにちは、みんな。
私の名前は知呉梁さん、
統計学者からプロクター&ギャンブル会社。
私はのサポート仕事でブリュッセル革新中心のためにP&G。
私の主要仕事はやってるの消費者調査データ分析。
今日、ナラヤナンそして私意思現在
のG rowth 曲線モデリングに測定インパクト
のの温度そして用途Aマウントの上洗剤パフォーマンス。
次滑り台、お願いします。
ここはのコンテンツ私たちは意思カバー今日。
初め、私意思与えるの簡単な導入についての構造方程式モデル
そしてある少しについてのデータ私たちは意思なれを使用してのために私たちのモデリング。
それから私意思振り向くにナラヤナンに導入の成長曲線モデリング、
モデル建物プロセスプラスのJMPデモ。
それなし示す、私意思現在の結論そして次ステップ。
次滑り台、お願いします。
の構造方程式モデリング
はある多変量技術
それは使用済みにテストあるセットのの関係
間の観察されたそしての潜在的な変数
による比較するのモデル予測された共分散マトリックス
そして観察された共分散マトリックス。
でSEM、何私たちは持っている終わりは、
観察された変数はマニフェスト変数
としてのインジケータのために潜在的な変数、
どれのはを使用しての測定モデルに構築します。
潜在的変数形状ある回帰モデル
に建てるある通信網どれの私たちは電話の構造モデル。
ここはの例との三つ潜在的な変数、
八ああ観察された変数でJMP、それでのSEM構造。
としてあなたできる見るでのボタン左チャート、
の丸代表するの潜在的な変数、
どれのは計算されたを通しての指標のようにクリーニング、
としての潜在的な変数は示されたによるの満杯四角
代表するのマニフェスト変数
全体クリーニング、染色除去、白さそして輝度。
同じとしての鮮度、潜在的な変数示されたによるの三つマニフェスト変数。
もしあなた見てでの右側のの窓、
の読み込み中窓見せるの構造のためにの測定モデル
どうやってこれ個人潜在的な変数関係するにのインジケータ。
のボタンのの回帰窓を見せる二回帰モデル：
クリーニング総合評価を推進し、鮮度ドライ総合評価。
これはの構造のためにの構造方程式モデル。
次滑り台、お願いします。
のデータ私たちは使用のために私たちの成長曲線モデリング
はの調査データ私たちは行為でのフランスとの119消費者。
私たちは分けるこれ119消費者の中へグループ。
60の彼ら使用コントロール製品、
どれのはのアリエル、可溶性ユニット用量、のポッド、
で私たちのデータセット、マークされたとして0.
別の59消費者使用テスト製品はのエコラベル製品、コードとして1.
それぞれ消費者、その間の12週ののテスト、
初め四数週間、彼らは使用彼らの自分の製品。
それから彼らは意思行くにの八週のテスト週、
使用1つの私たちの割り当てる製品、どちらか使用のアリエルシュッドまたはエコラベル。
それからのためにそれぞれ時間のの洗って、
の消費者意思埋めるでのアンケート、
提供するいくつかの情報について彼らの洗浄行動、
そのようなとしての洗浄温度、
番号ののポッド使用済み、土壌レベルののファブリック、どうやって汚いそれは、
そして全体評価ののパフォーマンスのためにの製品。
私たちのモデリング客観的は試すにテストもしそこにははある製品効果
の上の全体パフォーマンス評価、
洗浄温度の上の全体パフォーマンス評価、
番号ののポッド使用済みのために全体評価
のためにそれぞれのの洗う。
次滑り台、お願いします。
以来毎消費者、彼らは持っているある違う洗浄癖、
彼らは持っている違う状態、
ない全てのの消費者もっているの同じ番号の洗うその間のテスト週。
したがって、に作る毎消費者
の重さ等しいで私たちのモデル建物データセット、
私たちは初め集計の消費者データによるのパネリストレベルによる毎週基礎。
あなた取るの平均洗浄温度
その間それ週のためにの特定の消費者、
番号のポッド使用済み、
そしての全体評価のためにそれぞれ負荷その間それ週。
後これ集計データ、
私たちは使用の探索的な道具のようにJMPグラフビルダー
に識別するもしあるよどれでも線形傾向のために総合評価、
のために温度傾向その間のテスト週、
そしての番号ののポッドを使用して傾向その間のテスト週。
以来の探索的なステージ、オールはかわいい安定した
での週9に週12、私たちは使用のインターセプトのみモデルのためにオール。
それからのためにの温度のためにの製品そしてのためにの番号ののポッド使用済み
からこれ探索的なステージ、
私たちは見つかったそこにははどちらか増加するまたは減少した傾向。
したがって、私たちは使用の線形成長モデルに説明するの温度インジケータ
そしての番号のポッドインジケータ。
に説明するの製品インパクト、
私たちはまた含むの製品製造された変数で私たちのモデル。
それから私たちは初め建てるある成長曲線モデルのために温度番号ののポッド、
それから追加これ潜在的な変数に建てるある回帰モデルから製品変数、
インターセプトの温度、スロープの温度、
インターセプトのの番号のポッド使用済み、スロープのの番号のポッド使用済み
にインターセプトののオールに建てる多変量、の成長曲線モデル。
今私はするだろう振り向くにナラヤナンに導入潜在的な成長曲線モデル。
ナラヤナンそのあなたの振り向く。
感謝あなた、志武、のためにの素晴らしい[聞き取れない 00:06:49]。
こんにちは、みんな。 私の名前はナラヤナン。
私午前の付属品教授での大学のシンシナティ、
しかし私教えるコースの上データ採掘を使用してJMP。
私はそうするだろうのようにに始めるによる与えるあるとても広い意味
の何は潜在的な成長曲線のモデリング。
として私たちは行く平行、私5月使用の手紙LG CMに代表する
潜在成長曲線モデリング、
そしてSEMに代表する構造方程式モデリング。
潜在成長曲線モデリングは基本的にある方法にモデル
縦方向のデータを使用してのSEMフレームワーク。
なぜならそれは建てられたでのSEMフレームワーク、
それもっている全ての利点の指定するそしてテスト関係、
として知呉だった説明するとの例の構造方程式モデリング。
あsある側注記、私するだろうのようにに言及それLGCM
は実はの応用の確認的な要素分析、
どれのは実はあるサブモデル内で構造方程式モデリング
との追加した平均構造、
そしてこれ意思なれ説明したいつ私たちは得るの中へJMP。
1つのの利点のを使用してのSEMフレームワーク
はそれ私たちははできるに評価するモデルフィット。
させて私たち見てでの声明そこには、
どれの言う、毎モデル暗示するある共分散マトリックスそして平均構造。
何これ本当に手段はそれ
の観察された共分散マトリックスそしての平均ベクター
できるなれ実は再現されたによるのモデルパラメータ見積り
どれのは推定を使用しての潜在成長曲線モデリング。
の平等間の二は何多くののこれらフィットインデックス
は実はテスト中。
1つのの最古の1つはのカイ二乗テスト
そしての仮説それはテストは実はリスト化されたそこには：
の平等間の人口、
そしてのモデル予測された共分散マトリックス、
そしての平均ベクトル。
しかし、これテスト、どれのは1つのの最古の、
もっているいくつかの時計-外。
1つはそれのテストの統計関数はサンプルサイズ、
どれの手段それより大きなサンプルサイズ意思傾向があるに拒否するのモデル
平のためにつまらない違い。
の他の1つはそれのテストはグローバル
そしてするない反映するローカルフィットのようなできたなれ測定されたによるR スクエア。
あまた、のフィットはあまりにもちょうどとして指定されたでの仮説。
私たちは知るからの有名な箱声明それ全てモデルは間違っている。
私たちのモデルはのみただの近似。
なぜならのこれ、そこには持っているされたいくつかの代替フィット対策
それ持っているされた提案した。
私はそうするだろうのようにに言及三つの彼らここ。
の初めはの根平均四角エラーの近似。
これは実は測定するモデル不適合者、調整するのためにのサンプルサイズ、
どれのだったの問題とのカイ二乗テスト。
これは実はある不良-の-フィット測定、それでより低い数字はより良い。
しかし1つのの利点のを使用してこれフィット測定
はそれ私たちは持っているある自信間隔のためにそれ、
そしての提案されたしきい値のためにこれフィット測定
はそれのアッパーバウンド
のの自信間隔は少ないよりも0.10。
次ははある比較フィットIインデックスそして非正規化フィット索引。
これらは相対的見積り、そして彼らは実はテスト
どうやって良いはあなたの提案されたモデル
比較したにあるベースラインモデル、
どれのはいつものあるモデルのいいえ関係。
これはある良かったね-の-フィット測定、
そしてそれでの提案された基準ここはそれこれらフィット対策
クロスあるしきい値ので少しでも0.95。
の最後1つはある標準化された根平均二乗残留。
これは実はの平均二乗残留物の全ての要素
での共分散マトリックス。
これはある不良-の-フィット測定。
また、私たちはは探しているのために小さい数字、
そしての提案されたしきい値ここはそれこれ価値は少ないよりも0.08。
の上上の全てこれ、ついに、するない忘れるにチェックの実際の残留物、
の標準化された残留物。
何私たちはは探しているのためにここは数字どれのは超えて
マイナス2そしてプラス2しきい値。
のアイデアここはに見てでの全体性のフィット
そしてないただどれでも1つ測定。
持っている議論したフィット対策、
さあ、しましょう私たち見てでの縦方向のプロセス私たちは欲しいに勉強。
子呉は説明した三つ違うプロセス。
初め1つは成功基準として測定されたによる全体満足評価
から週9に週12.
それから私たちは持っている得た二時間が変化するしている共変量。
それ手段これらは変化する以上時間。
1つはの温度設定
でどれのの製品だった使用済みから週5に週12、
そしてそれからの額の製品使用済みまたから週5に週12.
それからついに、私たちは持っているのインジケータ変数
示す何タイプの製品それは、そしてこれはある時間不変共変量
しません変化と時間。
のモデリング戦略私たちはは行くに使用、
初め、だった行くに視覚化するデータを使用してグラフビルダー。
それから私たちはは選択するある単変量潜在的な成長曲線モデル
のためにそれぞれののプロセス。
それから私たちは組み合わせる全ての彼ら、
置く一緒にとしてある多変量LGCM。
それから良いついにテストの仮説それ知呉提案された、
どれのはどうやって良いの製品そして他の成長要因
インパクト全体満足。
私たちは意思選ぶの最も単純なモデルいつ私たちは建てる。
私午前行くに得るの中へJMP。
私午前ランニングJMP 18、どれのはの早い採用者バージョン、
そして私午前行くに見せるいくつかのスクリプト、
そして私意思見せるあなたどうやって私得たにいくつかののこれらからのJMPプラットフォーム。
の初めもの私欲しいにするは視覚化するの全体満足、
そしてこれらは軌跡。
何これらいる、いる基本的に個人の上それぞれラインから週9に週12.
ここ、の全体満足プロットされたここ
のためにそれぞれのの119消費者。
彼らは基本的に1つ軌跡のためにそれぞれ消費者。
もしあなた見てでこれ特定の消費者、行番号16、
それ人軌跡はの上ある下向き傾向
から週9を通して週12.
彼らは始めましたどこかででの50代半ば、そしてによるの時間彼らははで週12、
彼らの満足測定もっている来る下にについて37.5の上ある規模の0～100。
させて私たち見てで別の人。
これ人ここ誰が使用済みのアリエル製品、
彼らの軌跡はの上の上向きスイング
行くからの70年代半ばおそらくにの早い90年代
によるの時間彼らは到着週12.
彼らはは取得もっとそしてもっと満足
週以上週。
ごめんのためにそれ。
あバブル画面見せている上。
何私たちは欲しいにするは私たちは欲しいに理解する
どうやって違う消費者
は経験する満足以上の数週間、
そしての変化でこれらプロセスのためにこれら消費者
は何私たちは欲しいにモデルを使用してLGCM。
何私は行くにするは私は行くに振り向くの上の脚本、
LGCMの全体満足。
私持っている建てられたここ三つ違うモデル。
何これらは基本的にの潜在的な変数対応するにのインターセプト
のためにこれら繰り返された対策のの全体満足
から週9を通して週12.
私は建てられた三つ違うモデル。
私は建てられたある第4モデル、
どれのはある単純化のの初めモデル。
私は建てられたある成長無しモデル、
どれの手段違う人々
持っている違うレベルの満足での始まり、どれのは週9、
しかしそれから彼らの軌跡平らにする外そしてするない育つ以上時間。
2番モデルはある線形成長モデル、どれの手段それ軌跡する変化
である線形ファッション以上時間。
の三番目モデルはある二次関数モデル、どれの手段彼らの軌跡変化
である二次関数ファッション以上時間。
それからついに、私は得たある単純化のの初めモデル、
しかし私は仮定してほとんど弾性またはいいえ変化での分散横切って時間。
私は行くに見てでこれらフィット対策
それ私話しましたについて
そして選ぶのモデルそれ合うの最高。
何私は探しているのためには低い価値観のカイ二乗、
高い価値観のCFI、どれの手段CFI行きますの上ある規模から0-1
そして低い価値観のRMSEA、どれのまた行きますの上ある規模から0-1。
それ見た目のように全て私のモデル、いいえ-成長、線形成長、そして二次関数成長、
フィットのデータ平等に良い。
しかししかし、私は行くに取るの最も単純なののモデル
なぜならもし私見てでの見積りとして私できる
でのパス図、
多くののこれら係数関連するにのスロープ、
の線形スロープまたはの二次関数スロープ、
は実はない重要なとして示されているによるの点在線。
でこれ線形成長モデル、何私たちは持っているはのインターセプト、
どれの対策のイニシャルレベルの満足、
そしてスロープ、どれの対策
のレートの増加のの満足以上時間
またはレートの減少の満足以上時間。
Sロペ対策それ、インターセプト対策のイニシャルレベル。
私たちはできる見る全ての見積り関連しているにのスロープ
は実はない重要なとして示されたによる点在線。
同じはの状況のためにの二次関数モデルまた。
したがって、私は行くに取るの最も単純なののモデル、
どれのはのいいえ-成長モデルのためにこれプロセス、
どれのは全体満足。
させて自分見せるあなたどうやって私するこれ。
でJMP、行く下の分析するそして選ぶ多変量そして選ぶ
S構造方程式モデルプラットホーム。
選ぶの繰り返された対策、でこれ場合はオールから週9
を通して週12.
落とす彼らでモデル変数箱そしてクリックわかりました。
私たちは持っている得たこれら四繰り返された対策
利用可能としてモデリング変数でのパス図エリア。
私できる建てるこれモデルから傷を使用してのパス図、
しかしJMPもっている作ったそれより簡単にによるを使用してショートカット。
私は行くに行く下のモデルショートカット、赤三角形、
選ぶ経度分析、そしてチェックの線形潜在的な成長曲線
またはのインターセプトのみモデル。
もし私選ぶのインターセプトのみモデル、
私得るこれパス図どれのあなた見たで私の脚本。
もし私走るのモデル、
あなた意思得るの見積りそしてのフィット統計のためにこれモデル。
もしあなた欲しいに追加の線形成長モデル
にするの同じもの、来るMの下オーデルショートカット、
縦方向分析、そして線形G行目の曲線モデル。
ここで私たちは持っている得たないのみのイニシャルレベル
として代表されるによるのインターセプト潜在的な変数、
私たちは持っています得たのレートの成長のこれプロセス
として代表されるによるのスロープ潜在的な変数。
私たちはできる走るこれモデル。
クリックの上走る、
そしてあなた得るのモデル見積り、として私示したあなた前に、
どれのはない重要なのためにのスロープ潜在的な変数。
あなた得るのフィット統計右ここ下のモデル比較テーブル。
Tヘセモデルは簡単にフィットでJMPを使用してのモデルショートカットメニュー
利用可能下のモデルショートカット。
私は行くに近いの1つ私ただ作成した。
私たちは持っているそれで遠い建てられた
ある単変量LGCMのためにあるシングルプロセス。
私は行くに繰り返すの同じもののためにの他の二成長プロセス私たちは持っている、
そしてだった行くに見てでの洗う温度軌跡。
させて自分見せるあなたどうやってにするこれでJMP。
でJMP、でグラフ、クリックの上グラフビルダーそして開ける上の温度変数。
私たちは欲しいに見てで温度から週5を通して週12.
落とす彼らの上のX軸。
のためにのタイプのグラフあなた欲しい、
選ぶの最後アイコンでのバーでの上。
これはある平行プロット。
そこには意思なれいくつかの滑らかさ関連するとこれ。
引っ張るこれ手紙バー全ての方法にの左。
そこにはすべきなれいいえ滑らかさで全て。
取るの製品変数、どれのはのインジケータ変数、
置く彼らの上かぶせる。
今あなた得る個人軌跡。
もしあなた欲しいに追加の平均軌跡、
選ぶの6番目アイコンの上これツールバーから左。
クリックの上のシフト鍵そしてクリックの上これ。
今あなた得るそれ平均軌跡
の温度使用済み以上これら八数週間。
クリックの上終わり
に得るのプロットともっと本物エステート。
これはその通りのプロットそれ私示したを使用しての脚本。
あなたできる明らかに見るそれ
から週7それ以降、そこにはかもしれないなれある成長
での温度設定。
それ見た目のように人々は増加するの温度
として時間進歩する7週目からを通して週12.
私は行くに近いこれ。
私たちは持っているあるグラフに視覚化する
の軌跡のの温度設定。
私たちは繰り返すの同じもの。
私たちは欲しいに選ぶあるモデルのためにそれプロセス。
あs前に、私建てられたの同じ三つモデル:
成長のない、ある線形成長、そしてある二次関数成長。
私は行くに見てでのフィット統計ここ。
これ時間、私たちは見る絶対にある重要な改善
で行くからのいいえ-成長に線形成長
で条項ののフィット統計。
の二次関数成長はある限界的な増加以上の線形成長モデル。
また、のためにの同じ理由として前に、
全ての見積りでの二次関数スロープは実はない重要な。
に保つもの単純、私は行くに選ぶのより単純なモデル、
どれのはの線形成長のために温度。
の最後プロセスはのポッド使用法。
これはの番号のポッド。
今私たちはできる見る明らかにの増加する傾向、
もっとそれでのためにのエコラベル製品、
どれの手段人々はを使用してもっとそしてもっと製品
いつ彼らは使用エコラベルとして比較したにアリエル、
どれのはあるP&G製品。
私欲しいにモデルこれ。
させて自分近いそれ。
クリックの上の脚本のためにLG CMのポッド使用法。
私は行くに見てでのフィット統計。
あ得、私見るある良いモデルフィット、
特にの線形そしての二次関数。
のためにの同じ理由として前に、私は行くに選ぶの線形モデル。
ここ私欲しいに見てで
の見積りのためにの二次関数スロープ、
そしてこれは何私平均によるない選択するの二次関数スロープ
なぜならあなたは得た全てのパラメーターポイント単位にそれになれない重要な。
ここで私たちは持っている得たあるモデルのためにそれぞれのの三つプロセス。
私たちは選んだある成長無しモデルのために全体満足。
私たちは選んだある線形成長モデルのために低い温度。
今、私は行くに置く彼ら全て一緒に
を使用してある多変量、潜在的な成長曲線モデル。
これは基本的に全ての三つプロセス置く一緒に。
ここ、 私欲しいに見せるあなたの類似性
間ある確認的な要素分析モデル
そして潜在的な成長曲線モデルとしてだった尖った外での前の滑り台。
あなたできる見るそれそこにははある平均構造追加したにそれ
とある三角形とある番号1つ、
そしてそこにはは行行くからそれにそれぞれのの潜在的な変数。
もし私右クリックそして使用の見せるオプションそしてない見せるの平均構造、
あなたできる見るのおなじみ確認的な要素分析モデル
と潜在的な変数そしての指標関連するとそれぞれ1つの彼ら。
私たちは持っているあるシングル潜在的な変数、インターセプトのためにの全体満足。
私たちは持っている二潜在的な変数のためにの温度、
どれのはイニシャルインターセプトそしてのスロープ。
私たちは持っているの同じ潜在的な2つの変数示すのポッド使用法。
イニシャルレベルとして代表されるによるの整数ポッド
そしてのレートの変化の製品使用法として示されたによるのslpポッド、
どれのは基本的にのスロープのポッド。
させて自分置く戻るの手段活性化された。
ここで私たちはできる実は見てでの見積りのこれら、
どれのは本当に1つのの重要ポッド
のの潜在的な成長曲線モデル。
何私たちは持っているここはの見積もり
ののイニシャルレベルの満足で9週目
なぜならそれだったの起動時間期間のために全体満足。
それはについて71の上ある規模の0～100。
これはの平均温度設定で9週目、
どれのは36度摂氏。
ここはの製品使用法、 1.4ポーチ。
ここはのレートの変化の製品使用法
なぜならそこにははあるスロープの製品使用法、のレイテンシ変数、
どれのはについて0.02。
人々はを使用してわずかにもっととして時間行きますの上。
それは何私たちは得る。
の全体フィットのこれモデルはまたかなり良い。
私考える私たちは見たそれ。
まさにCFIでのしきい値0.95、
そして私たちのアッパーバウンドののRMSEAは絶対に少ないよりも0.1。
ここで私たちは行くにの最後モデル、
どれのはの仮説それ知呉欲しかったにテスト、
どこ私たちは欲しいに見るもし製品、
のインジケータ変数、そしての他の成長要因
持っているある重要なインパクトの上全体満足。
で注文に取り除くの乱雑、
私持っているない示されている全てのインジケーター。
全て私たちはは見るはのみのサークル、
どれの代表するの潜在的な要因のためにそれぞれのの成長曲線モデル
そしてあるシングル製品変数示す何タイプの製品それは。
もう一度、しましょう私たち見てでのフィットのこれモデル。
フィットのこれモデルは確かに良い。
私たちは持っているある0.95のためにのCFI。
私たちは持っている少ないよりも0.1のためにのアッパーバウンドののRMSEA。
私たちは意思見てでもっとフィットインデックス
後私たちは解釈するいくつかののの見積りここ。
私は行くに解釈するの固体行どれのは重要な係数。
私たちは持っているある重要な製品効果
からの製品変数にのインターセプトの全体満足。
これできるなれ解釈された基本的にとしてある回帰係数、
どれのはの平均レベルの満足
のために製品コード化された1
マイナスの平均レベルの満足のためにプロダクトコード化0.
アリエルはコード化されたとして製品0、
それで私たちは持っている多くのもっと満足とアリエル、
あるデルタのネガティブ9インチ好意のアリエル
の上ある規模の0- 100。
それはある大きい変化。
デルタで好意ののアリエル製品。
させて私たち見てでの製品効果の上ポッド。
また、の同じ方法、平均額の製品使用済み
のために製品コード化された1マイナス製品コード化された0.
これ時間、私たちははを使用してもっとののエコラベル製品。
もしあなたはあるメーカーのアリエル、これは良いニュースのためにあなた。
あまた、のレートの変化の製品使用
はまたもっとのためにエコラベル比較したにアリエル、
または0.02ポーチから週に週。
ついに、私たちは持っているのインターセプトの温度
持っているあるネガティブインパクトの上の全体満足、
どれの手段より高い温度鉛に少ない満足。
覚えて、これらは製品どれのは市販されているとして冷水洗浄製品。
それ手段彼らはすべき仕事より良いで寒い温度
そしてないより高い気温。
私また欲しいに見せるあなたどこあなたできる見てのために他のフィット統計超えて
何は到来外でのモデル比較テーブル。
下のS構造方程式モデルで赤三角形、
もしあなたチェックの上フィットインデックス、どれの私はすでにチェックした、
そこにははもっとフィットインデックスそれできるなれ示されているでの底。
私たちは欲しいに見てでCFIそしてRMSEA、どれの私たちは持っていますすでに見た、
そしてここはの標準化された根手段正方形残留物、
どれの私議論しました。
これはまたその通りでのしきい値の0.08。
全てで全て、で条項のフィットインデックス、私たちのモデルするフィットとても良い。
ついに、
私言ったあなたないに忘れるの残留物。
これらは正規化された残差で条項のの測定された変数。
私たちは持っている21測定された変数、八のためにポッド、八のために気温、
四のために全体満足、そして1つのためにの製品変数。
これはある21による21マトリックス。
何私たちはは探しているのために
は数字どれのは外のプラス2マイナス2範囲。
そこにははただあまりにも多くの数字に見てででのテーブル、
しかしJMP生成するあるヒートマップ。
ヒートマップオプションはまた下の赤三角形。
何私たちはは探しているのためには暗い赤または暗い青。
ここ、私たちは持っている二暗い赤
どれのは関係ポッド間使用法で6週目、
温度で週12、
ポッド使用法で週6、そして温度で9週目。
ついに、私たちは持っている1つ、
なぜならこれはただある鏡画像のの1つそれはここ。
これはの関係間温度で週9
そして温度で週10、どれのはないモデル化された。
これできた実はなれモデル化された
による追加するのエラー共分散、どれの私したないする。
もし私したこれ、のモデル、で事実、するだろうなれ平より良い。
私欲しいに行く戻るにのプレゼンテーションそして要約する何私たちは持っている見つかった。
おっと、ごめんなさい、間違っている滑り台。
で条項の結論、私たちは始めましたのグラフビルダー
に視覚化する私たちの軌跡、
そして私たちは建てられた潜在的な成長曲線モデルを使用してのSEMプラットホーム。
私たちは延長されたから単変量に多変量モデル。
あll私たちのモデル、含むの最後1つ、持っていた許容できるフィット、で事実、良いフィット。
製品持っていたある重要なインパクトの上オール、
どれの手段アリエルはより良いよりもエコラベルで条項のその全体満足
そして重要なインパクトの上の番号のポッド、
どれの手段少ない製品だった使用済みのためにアリエル比較したにエコラベル、
そしてまたから週に週。
インターセプト持っていたあるネガティブインパクトの上オール、どれの手段人々好む
より低い温度設定よりもより高い温度設定。
もしあなたはあるP&Gメーカー、これは良いニュースのためにあなた
なぜならアリエル作品より良いよりもエコラベル
でこれモデリングフレームワークそれ私たちは持っている終わり。
私は行くに振り向くそれ以上に知呉に見る何の次ステップは
からこれモデル結果。
知乎？
感謝あなたとても多くの。
感謝あなた、ナラヤナンそしてとても素晴らしいプレゼンテーション
そして素晴らしいデモ。
としてナラヤナン言及された、
のモデリング結果証明するの製品もっているある重要なインパクト
にの全体的な満足度ののパフォーマンス
のの洗剤製品で私たちのテスト。
これ結果提供します私たち自信私たちは作れるあるとてもクリア請求、
アリエル製品はある好意にの冷水洗浄できるなれ使用済み少ないよりもの普通製品。
これはまたモデリング確認するの消費者行動変化。
もしあなた使用アリエル製品、あなた意思持っているもっと洗浄負荷
行くにの冷水洗浄、使用少ないエネルギーそして使用少ない製品。
また、私たちはプランに行為より大きいサイズ消費者勉強のために含むのもっと
共変量変数での未来モデリングステージのようにの添加剤使用法
そしての洗浄サイクルの毎洗うそしての低いサイズあたり洗う。
これは私たちの次ステップ。
次滑り台。
ここで私たちはするだろうのようにに取る質問もしあなた持っているどれでも。
感謝あなたとても多くののために出席のプレゼンテーション。
私たちは見てフォワードにあなたの質問おそらくでのJMPサミット。
