36. 某電商資料團隊要協助行銷部門規劃再行銷策略。目前取得資料包含使用者點擊、購買紀錄、流量來源與轉換率。若資料團隊希望先進行探索性資料分析(EDA)，下列哪一項最符合 EDA 的做法？
(A)建立隨機森林模型，預測使用者是否會完成購買；
(B)使用 K-means 對使用者群進行分群並立即制定對應促銷策略；
(C)繪製各類流量來源對轉換率的關聯圖，尋找潛在關係；
(D)對不同購物路徑設定統計假設並進行雙樣本 t 檢定

答案：登入後查看
統計： A(9), B(32), C(49), D(6), E(0) #3869579

詳解 (共 1 筆)

#7368254

這題的正確答案是 (C) 繪製各類流量來源對轉換率的關聯圖，尋找潛在關係。

以下是針對每個選項的邏輯推理與資料科學流程分析：

  • ✅ (C) 是正確的： 探索性資料分析（Exploratory Data Analysis, EDA） 的核心目的是在建立模型或進行正式的統計推論之前，先「了解資料的樣貌」。這通常涉及計算基本統計量、處理缺失值，以及大量使用視覺化圖表（如長條圖、散佈圖、關聯圖等）來觀察特徵之間的分布與潛在關係。繪製流量來源與轉換率的關聯圖，正是為了發掘資料中隱藏的趨勢或特徵，完全符合 EDA 的定義。

  • ❌ (A) 是錯誤的： 建立「隨機森林模型（Random Forest）」並預測結果，屬於資料科學流程中的 預測性建模（Predictive Modeling） 或 機器學習（Machine Learning） 階段。這必須建立在已經完成 EDA、挑選好特徵（Feature Engineering）之後才會進行，並不屬於探索資料的初始階段。

  • ❌ (B) 是錯誤的： 使用 K-means 進行分群雖然有時可用來初步了解資料結構，但選項提到「並立即制定對應促銷策略」，這已經跨越了分析階段，進入了 商業決策與行動（Business Decision & Action）。EDA 的目的是「發掘問題與現象」，而不是直接產出最終的商業策略。

  • ❌ (D) 是錯誤的： 設定統計假設並進行「雙樣本 t 檢定」，這屬於 驗證性資料分析（Confirmatory Data Analysis, CDA） 或 統計推論（Statistical Inference）。EDA 是為了「產生假設」（看看資料有什麼可能），而 CDA 則是為了解決「證明假設」（透過嚴格的數學檢定來證實觀察到的現象是否具有統計顯著性）。這兩者在分析流程中是前後承接的關係。

0
0