Оформление кп пример: пример текста и шаблоны КП

Коммерческое предложение на таргетированную рекламу – образец КП с примерами и шаблоном.

Образец коммерческого предложения на таргетированную рекламу, составленный специалистами в сфере продаж и аккаунтинга. Может использоваться в работе как представителями агентств, так и фрилансерами. Инструкция по составлению собственного прилагается.

Введение

Рассказываем, как продать услугу рекламы в соцсетях с помощью аккуратно структурированного и оформленного шаблона коммерческого предложения. Ссылка для скачивания прилагается!

Общие правила

В мире digital коммерческое предложение – обязательный элемент взаимодействия между заказчиком услуг и их исполнителем. Важно соблюдать основные правила:

1. Поскольку клиент – чаще всего представитель бизнеса, у него не так много времени, чтобы изучить ваше КП. Поэтому не перегружайте его информацией, говорите кратко и по делу, в то же время раскрывая всю ценность своего предложения.

2. Невозможно взять и создать единое КП и рассылать его всем потенциальным заказчикам. Вам все равно придется учитывать особенности бизнеса каждого клиента, особенность его продукта, ЦА, его платежеспособность. Соответственно, по-разному позиционировать свои услуги и называть различную стоимость.

3. В то же время советуем придерживаться единой структуры, где будут 3 основных момента: демонстрация ценности вашего предложения (рассказ о компании, услугах, команде, опыте и кейсах), демонстрация цены и призыв к действию. Подробнее об этом расскажем далее.

4. Используйте для оформления КП фирменный стиль вашей компании.

5. Создавайте КП в тех программах или сервисах, где его удобно форматировать. Microsoft Word и Google Документы вряд ли подойдут – намного удобнее решения для сборки презентаций. Презентуйте КП клиенту в Microsoft PowerPoint, Keynote либо Google Презентации. Или отдайте дизайнеру, который оформит документ в специальном графическом редакторе.

6. В КП не должно быть ошибок: это может негативно сказаться на вашей репутации. Отдайте документ на вычитку корректору.

7. Постарайтесь не просто отправлять КП по почте, а презентовать, объясняя и комментируя каждый пункт.

Особенности продажи рекламы в соцсетях

Преимущество таргетированной рекламы в том, что она имеет очень тонкие настройки, чтобы максимально точно попасть в целевую аудиторию. Процесс таргетирования, т.е. нацеливания на ЦА, служит тем мостиком, который ведет от пользователей к покупателям.

Неграмотная или неполная настройка таргетинга закономерно ведут к расходованию бюджета фактически ни на что. С этой проблемой чаще всего сталкиваются заказчики, когда обращаются к подрядчикам-дилетантам или пытаются сами настроить показы объявлений.

Когда вы выходите на заказчика с услугой таргетированной рекламы, необходимо:

1. Убедиться в том, что вы предлагаете компании заказчика то, что нужно им, а не вам.

   Известно, что ряд услуг и товаров нельзя продвигать с помощью таргетинга. Однако если у клиента есть четко обозначенный запрос, ему не стоит продавать только то, что он попросил.

2. Осознавать, что лучше работает на рынке, а что хуже. Такое понимание дает как собственный опыт, так и кейсы конкурентов (таргетологу вообще полезно смотреть, что и как делают коллеги).

3. Провести подготовительную работу, т.е. убедиться, что у клиента запланирован бюджет, настроена CRM, отлажена работа отдела продаж, определены пути хода трафика.

Читайте также: Бриф на таргетированную рекламу: образец и шаблон для скачивания

Первый титульный слайд

Здесь рекомендуется показать целевые социальные сети («ВКонтакте», Facebook, Instagram, Tik-Тok и т.п.) в виде логотипов.

Совет для клиента №1:

Пользователей, увидевшие и перешедшие по вашей рекламе в одну из соцсетей, нужно направлять либо на сайт компании, либо на ее официальную страницу / бизнес-аккаунт в этой соцсети.

Если речь о втором способе, нужно заранее позаботиться о функциональности и привлекательности такой страницы, а также проследить, чтобы там уже были подписчики, ни в коем случае не боты. «Пустые» страницы отпугивают «живых» потенциальных клиентов.

Содержание

Выделите время, чтобы сделать слайд содержания в своем коммерческом предложении, тем более когда в нем более пяти разделов. Тем самым вы покажете уважение к клиенту: ему будет удобно ориентироваться по КП и переходить к наиболее интересующей его информации.

Поделите компред условно на две части: в первой донесите всю ценность своих услуг, а уже во второй – их стоимость.

Старайтесь сделать так, чтобы блок с ценностью в 2-3 раза превышал по величине блок с ценой. Пусть клиент сначал видит вашу компетенцию и заинтересованность в нем, а уже потом наверняка примет верное решение, стоит ли ему с вами сотрудничать.

О компании

Акцентируйте внимание на своих сильных сторонах и приводите в КП следующие факты:

• Какие обороты вы обеспечили заказчикам за счет внедрения таргетированной рекламы.

• Информация о сделанных заказах.

• Суммарные бюджеты по клиентским проектам.

• Средний показатель возврата инвестиций (ROI) по всем проектам.

• Процент достижения поставленных целей.

• Ваши достижения по конкретным проектам в плане просмотров, переходов, целевых действий и т.п.

Описание задачи

Обозначайте общую задачу проекта, перечислив целевые социальные сети, а затем делите ее на составляющие подзадачи. Это могут быть заявленные технические показатели, отражающие факт вашей работы в части привлечения трафика на сайт, а также бизнесовые цели, где речь уже идет о заявках, договорах и продажах.

Анализ

Важно привести общую статистику использования социальных сетей в целевом регионе. Так прежде всего вы объясняете выбор тех или иных площадок и показываете клиенту, какой процент трафика он теряет из-за неохваченной пока социальной сети или же сразу нескольких сетей.

Очень важно учесть нюанс: выбор рабочих площадок не должен быть продиктован личными предпочтениями клиентов. Если он проводит время в «Одноклассниках», это еще не значит, что в Facebook «нечего ловить». В выборе между опытом одного человека и круга его знакомых и данными аналитики нужно всегда делать выбор в пользу последних.

Совет для клиента №2:

Не возводите в абсолют собственные предпочтения. Очень может быть, что вы не являетесь частью ЦА, а значит ваш опыт абсолютно не релевантен их опыту и предпочтениям.

Портрет аудитории

Опишите усредненный (либо самый популярный) портрет целевой аудитории в виде одного персонажа. Каким образом определяется портрет:

Если у товара / услуги есть несколько целевых групп, то добавляйте по одному персонажу для каждой из них.

Особенности проекта

Здесь можно сделать несколько общих выводов относительно проекта либо дать конкретные рекомендации по улучшению текущей ситуации.

Состав работ

Все, что вы предлагаете клиенту в рамках таргетированной рекламы, необходимо сгруппировать в 3 раздела:

1. Разовая настройка.

2. Ежемесячная поддержка.

3. И дополнительные работы, которые не включены в состав работ по запуску и ведению рекламы в соцсетях, но могут положительно сказаться на итоговом результате.

Площадки и технологии

Еще раз фиксируем то, о чем говорили в рамках титульного слайда: перечисляем площадки + указываем, на каких устройствах будут показываться объявления (для многих это принципиальный вопрос – часть заказчиков понимает, что с каждым днем доля пользователей мобильных устройств увеличивается, и они хотят знать, будут ли ориентированы рекламные кампании и на эту аудиторию).

Прогноз результатов

Описываем возможные результаты, исходя из прогноза и рекомендованного бюджета. Рекомендуется производить расчеты в месяцах – это наиболее привычный временной отрезок в бизнес-среде (по крайней мере применимо к работе с digital-подрядчиками).

Сотрудники

Здесь мы рассказываем клиенту «в лицах» о тех, кто будет заниматься его проектом в случае заключения сделки.

Так как таргетированная реклама – это B2B-услуга, ее нельзя потрогать и увидеть своими глазами, а можно лишь оценить результаты, выраженные в «синтетических» показателях (показы, охваты, лайки, комментарии) и реальной прибыли.

Не стесняйтесь показать фотографии сотрудников с лаконичным, но достаточным для понимания описанием компетенции каждого. Заказчик должен видеть перед собой слаженную команду людей, способных успешно поработать по его проекту.

Кейсы

Когда вы описываете кейсы, учитывайте следующее:

• Отражайте значимые количественные и качественные показатели эффективности рекламных кампаний.

• Размещайте минимум один отзыв, но только от реального человека и чтобы его можно было проверить.

• Визуализируйте все, о чем вы говорите. Выгрузки или скриншоты из рекламного кабинета имеют больший эффект, чем просто словесные описания, пусть и с цифрами.

Клиенты

Покажите в виде логотипов тех клиентов, которых вы не показали в кейсах. Убедитесь, что все они не будут против, если вы станете показывать их в своих КП.

Совет для клиента №3:

Обратите внимание на каталог Workspace, содержащий предложения более 700 агентств, оказывающих услуги таргетированной рекламы.

Отзывы

Отзывы клиентов создают мощное доказательство заявленных вами возможностей и компетенций своей компании и сотрудников. Разместите их здесь в количестве трех-четырех (идеально, если они будут от лица тех компаний, чьи отзывы вы приводили выше). Не стоит размещать сугубо похвальные речи. Не будет ничего плохого в том, если в отзывах будут приведены и ваши трудности, которые вы смогли преодолеть.

Награды

Показывайте в коммерческом предложении все свои достижения в сфере таргетированной рекламы и смежных областях.

В этом разделе демонстрируются сертификаты, дипломы и грамоты – все, что однозначно свидетельствует о вашем профессионализме. Дополнительным плюсом будет демонстрация регалий как самой компании, так и ее сотрудников, особенно занятых в работе с планируемым проектом заказчика.

Ответы на вопросы

Не сомневайтесь: после прочтения вашего КП клиент захочет выяснить что-то дополнительно или убедиться, что он вас правильно понял.

Вопросы, которые могут заинтересовать потенциального клиента:

• Сможем ли мы сами настраивать и мониторить рекламные кампании?

• Что будет с показами, если мы не пополним бюджеты заблаговременно?

• Какую вы даете гарантию на таргетинг?

• Мы планируем сделать больше, чем заявляли ранее. Возможно ли это и что вы собираетесь сделать?

• У нас уже есть рекламные кабинеты и настроенные кампании во «ВКонтакте». Мы можем их сейчас пустить в работу? Это повлияет на снижение цены?

• Почему вы предлагаете рекламироваться в [подставить нужную соцсеть], когда все прекрасно работает в [подставить нужную соцсеть]?

Ответы на вопросы можно отразить в отдельном слайде.

Условия работы

Обозначьте все возможные варианты ведения таргетированной рекламы с их особенностями и возможными рисками каждого способа. Если есть возможность, перечислите дополнительные услуги, которые могут быть полезны клиенту. Очевидно, что в дополнение к таргетингу можно и нужно предлагать создание контента для пабликов или бизнес-аккаунтов.

Контактная информация

Контактные данные – заключительный этап подготовки коммерческого предложения и очень важный. Чем больше каналов связи вы приведете, тем оперативнее сможете решить любые вопросы и проблемы с заказчиком. Вовремя обработанный звонок или решенная задача может спасти всю работу и еще больше убедить заказчика. что он сделал правильный выбор.

На этом все. Вы можете скачать документ можно по ссылке ниже:

• [ URL ]

Команда Workspace всегда с вами. Желаем успешной работы и больших продаж!

к-р | R in the Lab

Некоторые основные понятия о фракционных экспериментальных планах, а также их генерации и анализе в R.

При прочих равных условиях самое простое объяснение обычно является наиболее вероятным.

 

Весь код и данные в этом посте доступны на GitHub: Дробные планы с R.

какие из факторов являются значимыми при меньшем числе прогонов эксперимента. Под полным факторным планом я подразумеваю k-факторный план с двумя уровнями на каждом (2 ^к ).

Дробные планы предлагают способ оценить большое количество факторов и выявить те из них, которые действительно влияют на нашу переменную (переменные) отклика. Например, если бы мы рассмотрели 10 факторов с уровнями каждый, у нас было бы в общей сложности 2 ¹⁰ (1024) экспериментальных прогонов, что кажется довольно громоздким. Если мы возьмем схему 2 ^9-1 , мы сократим количество прогонов вдвое (512 экспериментальных прогонов). Мы можем пойти дальше с планом 2 ^10-5 всего с 32 прогонами, что позволило бы нам оценить все 10 факторов, сосредоточив наше внимание на основных эффектах (однофакторные эффекты) и отбросив большинство взаимодействий более высокого порядка. между факторами, например, взаимодействия между тремя, четырьмя и пятью факторами.

Основным недостатком этого подхода является то, что мы называем псевдонимами эффектов , которые представляют собой два или более эффектов с разными именами, которые в основном оценивают один и тот же эффект. Например, в результатах дробного плана может быть трудно провести различие между влиянием фактора A и влиянием взаимодействия факторов C , D и E (продукт CDE ). . Эта проблема может быть уменьшена, если мы тщательно выберем расчетную долю и проведем надлежащий анализ данных.

Три принципа, более или менее эмпирические, которые учитываются при анализе результатов этого типа дизайна: иерархия, редкость и наследование.

Принцип иерархии

Эффекты низшего порядка, в основном эффекты отдельных факторов и взаимодействия между двумя факторами, с большей вероятностью будут важными или активными, чем эффекты более высокого порядка. Эффекты одного порядка с равной вероятностью будут активны.

Принцип редкости

Ожидается, что из общего числа эффектов, которые можно изучить в эксперименте, только незначительная часть, от 20 до 30%, будет активной.

Принцип наследования

Чтобы эффект взаимодействия был активным, по крайней мере один из основных эффектов составляющих его факторов должен быть значительным.

Генератор дробей

Эффект, контраст которого используется для создания факториальной дроби. Этот эффект невозможно оценить. Например, если мы хотим оценить влияние четырех факторов A , B , C и D с дробным планом, мы можем использовать генератор I = ABCD , что позволит нам определить D = ABC , то есть мы сможем установить различные уровни D путем умножения столбцов A , B и C в нашей матрице проектирования. Это сделает невозможным оценку взаимодействия ABCD , которое с учетом трех принципов не столь серьезно.

Также важно отметить, что в зависимости от нашей конструкции может быть несколько генераторов.

Теперь рассмотрим пример анализа результатов дробного плана. В этом случае был проведен эксперимент по определению существенных факторов, влияющих на выход химического процесса.

Учитывались следующие факторы:

 yield_factors <- read.csv("data/yield_factors.csv")
colnames(yield_factors) <- c("Фактор", "-1", "+1")
yield_factors 

 ## Фактор -1 +1
## 1 Скорость подачи (л/мин) 10 15
## 2 Катализатор (%) 1 2
## 3 Скорость перемешивания (об/мин) 100 120
## 4 Температура (\xb0C) 140 180
## 5 Концентрация (%) 3 6 

Результаты эксперимента также можно найти в папке данных:

 yield_data <- read.csv("data/yield_data.csv")
head(yield_data) 

 ## FeedRate Катализатор Скорость перемешивания Температура Концентрация Выход
## 1 -1 -1 -1 -1 1 56
## 2 1 -1 -1 -1 -1 53
## 3 -1 1 -1 -1 -1 63
## 4 1 1 -1 -1 1 65
## 5 -1 -1 1 -1 -1 53
## 6 1 -1 1 -1 1 55 92, данные = данные_дохода)
##
## Остатки:
## ВСЕ 16 остатков равны 0: никаких остаточных степеней свободы!
##
## Коэффициенты:
## Оценить стандарт.  Значение ошибки t Pr(>|t|)
## (перехват) 6.525e+01 NaN NaN NaN
## FeedRate -1.000e+00 NaN NaN NaN
## Катализатор 1.025e+01 NaN NaN NaN
## Скорость перемешивания 1.544e-16 NaN NaN NaN
## Температура 6.125e+00 NaN NaN NaN
## Концентрация -3,125e+00 NaN NaN NaN
## FeedRate:Catalyst 7.500e-01 NaN NaN NaN
## FeedRate:AgitationSpeed ​​2.500e-01 NaN NaN NaN
## FeedRate:Temperature -3.750e-01 NaN NaN NaN
## FeedRate:Концентрация 6.250e-01 NaN NaN NaN
## Катализатор:AgitationSpeed ​​7.500e-01 NaN NaN NaN
## Катализатор: температура 5.375e+00 NaN NaN NaN
## Катализатор: Концентрация 6.250e-01 NaN NaN NaN
## Скорость перемешивания: температура 1.250e-01 NaN NaN NaN
## Скорость перемешивания: Концентрация 1.125e+00 NaN NaN NaN
## Температура: Концентрация -4,750e+00 NaN NaN NaN
##
## Остаточная стандартная ошибка: NaN при 0 степенях свободы
## Множественный R-квадрат: 1, скорректированный R-квадрат: NaN
## F-статистика: NaN для 15 и 0 DF, p-значение: NA 

Обратите внимание, что при 16 экспериментальных запусках можно рассчитать только 16 эффектов, включая пересечение. Поскольку у нас нет дополнительной информации, невозможно рассчитать стандартную ошибку, t-значения и p-значения.

Псевдонимы эффектов

Пакет FrF2 включает функцию, которая покажет нам структуру псевдонимов эффектов, только если эта структура включает псевдонимы между основными эффектами или двухфакторными взаимодействиями. Поскольку схема в этом примере имеет разрешение V, нам не о чем беспокоиться о структуре псевдонимов, а aliases() функция не покажет никаких результатов:

 aliases(yield_lm) 

 ## [1] в модели нет алиасинга 

С помощью вышеизложенного мы можем напрямую установить, какие эффекты являются наиболее значимыми.

Графический анализ (Daniel Plot)

Как определить, какие эффекты являются значительными? Первый подход может быть сделан с графиком Дэниела, который может быть сделан с помощью функции DanielPlot() , включенной в пакет FrF2 :

 DanielPlot(yield_lm) 

Это было просто. Этот график показывает нам простым способом, какие основные эффекты и двухфакторные взаимодействия имеют значение при допущении, что незначительные эффекты подчиняются нормальному распределению.

Графический анализ (диаграмма Парето)

Приведенный выше график можно дополнить диаграммой Парето. Для этого мы можем использовать пакет ggplot2 , взяв модель эффекты:

 библиотека (ggplot2)
yield_coeffs <- коэффициенты(yield_lm)[-1] # Отбрасываем перехват
yield_effects <- data.frame(
  Эффект = имена (доход_коэффициент),
  Значение = без имени (доход_коэффициент),
  Абсолютное значение = абс (неназвание (коэфф_дохода)),
  Знак = as.character(unname(sign(yield_coeffs)))
  )
ggplot(yield_effects, aes(AbsoluteValue, reorder(Effect, -AbsoluteValue, abs))) +
  geom_col(aes(заполнить = Знак)) +
  xlab("Величина эффекта") +
  ylab("Эффект") +
  тема_минимальный() 

Из этого мы можем сделать вывод, что наиболее важными эффектами были процентное содержание катализатора, температура и концентрация реагента, а также двойное взаимодействие между катализатором и температурой и между температурой и концентрацией.

Последующий анализ с помощью ANOVA

Теперь, когда мы знаем, какие факторы оказывают существенное влияние на урожайность, мы можем выполнить обычный дисперсионный анализ, учитывая только эти факторы: анова (выход_lm2)

 ## Таблица анализа отклонений
##
## Ответ: доходность
## Df Сумма Sq Среднее значение Sq F Pr(>F)
## Катализатор 1 1681.00 1681.00 213.4603 4.725e-07 ***
## Температура 1 600.25 600.25 76.2222 2.316e-05 ***
## Концентрация 1 156,25 156,25 19,8413 0,002127 **
## Катализатор: Температура 1 462,25 462,25 58,6984 5,953e-05 ***
## Катализатор: Концентрация 1 6,25 6,25 0,7937 0,398998
## Температура:Концентрация 1 361,00 361,00 45,8413 0,000142 ***
## Катализатор:Температура:Концентрация 1 1,00 1,00 0,1270 0,730795
## Остатки 8 63,00 7,88
## ---
## Значение. коды: 0 '***' 0,001 '**' 0,01 '*' 0,05 '.' 0.1 ' ' 1 

Теперь рассмотрим пример с большим количеством факторов. В данном случае наша цель — разработать краску с превосходной яркостью, поэтому мы проконсультировались со специалистами по краскам и определили восемь факторов, которые могут влиять на яркость. Поскольку полный эксперимент с восемью факторами будет состоять из 256 экспериментальных прогонов, мы решили провести фракцию, в частности 2 ^8-4 дизайн разрешения IV всего с 16 прогонами, отлично!

Первым шагом является импорт данных в R:

 paint_data <- read.csv("data/paint_data.csv")
head(paint_data) 

 ## A B C D E F G H Яркость
## 1 -1 -1 -1 -1 -1 -1 -1 -1 53
## 2 1 -1 -1 -1 1 1 1 -1 60
## 3 -1 1 -1 -1 1 1 -1 1 68
## 4 1 1 -1 -1 -1 -1 1 1 78
## 5 -1 -1 1 -1 1 -1 1 1 48
## 6 1 -1 1 -1 -1 1 -1 1 67 

92, data = paint_data)

Эффекты псевдонима

В отличие от предыдущего примера, в этом дизайне функция aliases() покажет нам структуру псевдонима, где мы можем видеть, что взаимодействия между двумя факторами связаны друг с другом:

 псевдонимы (paint_lm) 

 ##
## A:B = C:E = D:F = G:H
## A:C = B:E = D:G = F:H
## A:D = B:F = C:G = E:H
## A:E = B:C = D:H = F:G
## A:F = B:D = C:H = E:G
## A:G = B:H = C:D = E:F
## A:H = B:G = C:F = D:E 

Если несколько факторов окажутся значимыми, будет несколько сложно провести различие между различными взаимодействиями. Но принимая во внимание принципы иерархии, разреженности и наследования, у нас есть некоторая уверенность, что лишь немногие эффекты будут действительно значимыми.

Графический анализ (Daniel Plot)

Как и в предыдущем примере, мы построили график Daniel, используя линейную модель данных яркости:

 DanielPlot(paint_lm) 

Ничего себе, только два эффекта из восьми, которые мы рассмотрели, оказались значительными.

Графический анализ (диаграмма Парето)

Дополним вышесказанное диаграммой Парето:

 paint_coeffs <- коэффициенты(paint_lm)[-1] # Отбрасываем перехват
paint_coeffs <- paint_coeffs[!is.na(paint_coeffs)] # Отменить эффекты NA
paint_effects <- data.frame(
  Эффект = имена (paint_coeffs),
  Значение = без имени (paint_coeffs),
  Абсолютное значение = абс (неназвание (коэфф_краски)),
  Знак = as.character(unname(sign(paint_coeffs)))
  )
ggplot(paint_effects, aes(AbsoluteValue, reorder(Effect, -AbsoluteValue, abs))) +
  geom_col(aes(заполнить = Знак)) +
  xlab("Величина эффекта") +
  ylab("Эффект") +
  тема_минимальный() 

Принимая во внимание этот график, может быть важно учитывать фактор G, так как его негативное влияние на яркость, хотя и небольшое по сравнению с A и B, может доставить нам некоторые проблемы.

Последующий анализ с помощью ANOVA

Теперь давайте проведем дисперсионный анализ, учитывая только факторы A, B и G:

 paint_lm2 <- lm(Яркость ~ A*B*G, данные = paint_data)
anova(paint_lm2) 

 ## Таблица дисперсионного анализа
##
## Ответ: яркость
## Df Сумма Sq Среднее значение Sq F Pr(>F)
## А 1 1105,56 1105,56 102,2486 7.812e-06 ***
## Б 1 637,56 637,56 58,9653 5.857э-05***
## G 1 52,56 52,56 4,8613 0,05855 .
## А:В 1 3,06 3,06 0,2832 0,60905
## A:G 1 27,56 27,56 2,5491 0,14902
## Б:Г 1 0,56 0,56 0,0520 0,82530
## A:B:G 1 14,06 14,06 1,3006 0,28710
## Остаток 8 86,50 10,81
## ---
## Значение. коды: 0 '***' 0,001 '**' 0,01 '*' 0,05 '.' 0.1 ' ' 1 

Как мы и думали, учет G-фактора был неплохой идеей. Хотя его влияние не было значительным при отсечке 0,05, с практической точки зрения его влияние могло быть нежелательным.

Кубический график

Среди всех наших обработок (комбинаций A, B и G) мы можем выбрать ту, которая дает наилучшую яркость. Это можно сделать графически с помощью кубического графика. Функция cubePlot() также включена в пакет FrF2 :

 cubePlot(paint_lm2, eff1 = "A", eff2 = "B", eff3 = "G") 

Этот график ясно показывает, что сочетание A положительного с B положительным даст наилучшую яркость. Что касается фактора G, то достаточно будет установить его значение наиболее удобным для нас в практическом отношении, так как его влияние представляется минимальным при положительных уровнях А и В.

В зависимости от вашей цели, как только мы определим значимые факторы для переменной отклика, следующим шагом может быть перемещение экспериментальной области на уровни, усиливающие отклик, и, в идеале, запуск дизайна поверхности отклика для поиска оптимального сочетания факторов.

Также может случиться так, что результаты, полученные при дробном плане, недостаточны для дифференциации основных эффектов или взаимодействий двух факторов. В этом случае необходимо было бы запустить дополнительную фракцию, которая позволила бы нам это выяснить.

Я рассмотрю обе идеи в будущих постах, большое спасибо за посещение этого сайта!

Если вы хотите углубиться в тему, обратитесь к главе 6 книги «Статистика для экспериментаторов — проектирование, инновации и открытия» (второе издание). Из главы 6 я также взял два примера, которые мы проанализировали с помощью R. Также посетите сайт пакета FrF2, если вы хотите глубже изучить использование функций, которые я использовал в этом посте: FrF2.

Хуан Пабло Карреон Идальго 🤓

[email protected]
https://twitter.com/JuanPa2601

Эта работа находится под лицензией Международная лицензия Creative Commons Attribution 4.0.

5.3.3.4.4. Спецификации дробного факторного плана и разрешение проекта

5. Улучшение процесса 5.3. Выбор экспериментального дизайна 5.3.3. Как выбрать экспериментальный дизайн? 5.3.3.4. Дробные факторные планы 5. 3.3.4.4. Спецификации дробного факторного дизайна и разрешение проекта
Формирующее отношение и диаграмма для дробной части 2 8-3 факторный дизайн	Мы рассмотрели дизайн 2 3-1 в предыдущем разделе и увидел, что его генератор написан на Форма «I = ...» {I = +123}. Далее мы рассмотрим дробь одной восьмой конструкции 2 8 , а именно 2 8-3 дробный факторный дизайн. Используя схему, аналогичную Рисунок 3.5, мы имеем следующее: РИСУНОК 3.6: Технические характеристики модели 2 8-3
2 8-3 конструкция рассчитана на 32 цикла	На рис. 3.6 показано, что схема 2 8-3 имеет 32 прогона, а не включая пробежки по центральной точке и восемь факторов. Есть три образующих, так как это дробь 1/8 = 2 -3 (вообще говоря, 2 k - p дробные факторные потребности p генераторы, которые определяют настройки для p дополнительный коэффициент столбцы, которые нужно добавить к 2 k - p полный факториал столбцы конструкции — см. следующее подробное описание 2 8-3 конструкция).
	Как построить дробный факторный план из Спецификация
Правило построения дробного факториала дизайн	Для того, чтобы построить конструкцию, мы делаем следующее: Запишите полный факторный дизайн в стандартном порядке для k - p факторов (8-3 = 5 факторов для примера выше). в В приведенной выше спецификации мы начинаем с полного факториала 2 5 . дизайн. В таком дизайне 2 5 = 32 ряда. Добавьте шестой столбец в расчетную таблицу для коэффициента 6, используя 6 = 345 (или 6 = -345), чтобы произвести его (т. е. создать новый столбец путем умножения указанных старых столбцов вместе). Сделайте то же самое для фактора 7 и для фактора 8, используя соответствующие конструкции генераторов приведены на рис. 3.6. Результирующая матрица проектирования дает 32 пробных запуска для 8-факторный дробный факторный план. (При фактическом запуске эксперимента, мы бы, конечно, рандомизировали порядок выполнения.
Генераторы дизайна	Заметим далее, что генераторы планов, записанные в виде "I = ...", для принципала 2 8-3 дробный факторный расчет: { я = + 3456; я = + 12457; я = +12358}. Эти генераторы дизайна получаются в результате умножения «6 = 345». генератор на «6», чтобы получить «I = 3456» и так далее для двух других генераторы.
"Определяющее соотношение" для дробного факторного плана	Полный набор генераторов дизайна для факторного плана, включая все новые генераторы, которые могут быть сформированы как продукты эти генераторы , называется определяющим отношением . Там семь " слов", или строк чисел, определяющих отношение к конструкции 2 8-3 , начиная с оригинала три генератора и добавление всех новых «слов», которые могут быть образованы умножение любых двух или трех из этих исходных трех слов. Эти семь получаются I = 3456 = 12457 = 12358 = 12367. = 12468 = 3478 = 5678. В общем случае будет (2 p -1) слова в определяющем отношении для a 2 k - p дробный факториал.
Определение «Разрешения»	Длина кратчайшего слова в определяющем отношении называется разрешение дизайна . Резолюция описывает степень, в которой предполагаемые основные эффекты накладываются (или смешиваются) с предполагаемыми 2-уровневыми взаимодействиями, 3-уровневыми взаимодействиями и т. д.
Обозначение разрешения (римские цифры) 9{3-1} \).
Диаграмма для конструкции 2 8-3 , показывающая разрешение	Теперь рис. 3.6 можно завершить, записав его так: РИСУНОК 3.7: Технические характеристики 2 8-3 , Отображается разрешение IV
Разрешение и смешение	Разрешение дизайна говорит нам о том, насколько сильно дизайн искажен. Ранее в дизайне 2 3-1 мы видели, что основные эффекты путали с двухфакторными взаимодействиями. Однако основные эффекты не смешивались с другими основными эффектами. Итак, в худшем случае имеем 3=12 или 2=13 и т. д., но у нас нет 1=2 и т. д. На самом деле дизайн резолюции II был бы совершенно бесполезен для каких бы то ни было целей! Точно так же в схеме разрешения IV основные эффекты смешиваются с в худшем случае трехфакторные взаимодействия. На рис. 3.7 мы видим, что 6=345. Мы также видим, что 36=45, 34=56 и т. д. (т. е. некоторый двухфакторный взаимодействия смешиваются с некоторыми другими двухфакторными взаимодействиями) так далее.; но мы никогда не видим ничего похожего на 2=13 или 5=34 (т. е. эффекты, смешанные с двухфакторными взаимодействиями).
Полное смешение взаимодействия первого порядка для данного 2 8-3 дизайн	Полный шаблон смешения для смешения до двух факторов взаимодействия, вытекающие из схемы, представленной на рис. 3.7, 34 = 56 = 78 35 = 46 36 = 45 37 = 48 38 = 47 57 = 68 58 = 67
	Все эти соотношения легко проверить, умножив указаны двухфакторные взаимодействия генераторов. Например, чтобы убедитесь, что 38 = 47, умножьте обе части 8 = 1235 на 3, чтобы получить 38 = 125. Затем, умножьте 7=1245 на 4, чтобы получить 47=125. Отсюда следует, что 38=47. 9{8-3} \) дробный факторный план, 15 двухфакторных взаимодействий совмещены (смешаны) попарно или в группе по три. Остальные 28 - 15 = 13 двухфакторных взаимодействий накладываются только на взаимодействия более высокого порядка. взаимодействия (которыми обычно пренебрегают). Это подтверждается тем, что факторы «1» и «2» никогда не появляются в слово длины 4 в определяющем отношении. Итак, все 13 взаимодействий с участием «1» и «2» не связаны с любыми другими двумя факторами взаимодействие. Если один или два фактора подозреваются в возможном значительном взаимодействий первого порядка, их можно назначить таким образом, чтобы избегайте их псевдонимов.
Проекты с более высоким разрешением имеют менее серьезные помехи, но требуется больше прогонов	Дизайн с разрешением IV «лучше», чем дизайн с разрешением III, потому что мы имеем менее выраженную конфаундинг-паттерн в «IV», чем в ситуация «III»; взаимодействия более высокого порядка менее вероятны. значительнее, чем взаимодействия низкого порядка. Однако план с более высоким разрешением для того же числа факторов будет требуют больше прогонов, и поэтому он «хуже», чем дизайн более низкого порядка в этом смысл. {8-3} \) схема с генераторами 6 = 12345, 7 = 135 и 8 = 245 имеет пять слов длины в определяющем отношении (определяющее отношение I = 123456 = 1357 = 2458 = 2467 = 1368 = 123478 = 5678). Как результат, этот план смешал бы больше двух взаимодействий факторов (23 из 28 возможные двухфакторные взаимодействия смешиваются, оставляя только «12», «14», «23», «27» и «34» как оцениваемые двухфакторные взаимодействия). 9{8-3} \) дробный факторный план, полученный "перемаркировкой", рассмотрим конструкцию, указанную на рис. 3.8. РИСУНОК 3.8: Другой способ создания 2 8-3 Дизайн Эта конструкция эквивалентна конструкции, показанной на рис. 3.7 после перенумеровав множители следующим образом: 1 становится 5, 2 становится 8, 3 становится 1, 4 становится 2, 5 становится 3, 6 остается 6, 7 становится 4, 8 становится 7.
Минимальная аберрация	Таблица, приведенная далее в этой главе дает набор полезных дробных факторных планов, которые для учитывая k и p , максимально возможное разрешение и минимизировать количество коротких слов в определяющем отношении (которое сводит к минимуму двухфакторное наложение имен). No related posts. alexxlab Автор записи Добавить комментарий Отменить ответ Ваш адрес email не будет опубликован. Обязательные поля помечены * Комментарий * Имя * Email * Сайт