在 RI 有data哪里head(data)给出

day   promotion   profit   new_users
1           105    45662          33
2            12    40662          13
3            44    46800          20
4           203    54102          46

现在day只是这一天（并且是有序的）。promotion是当天的促销价值，是当天profit的利润，是当天new_users的新用户数。

promotion我想调查toprofit和之间的关系new_users。我们看到 和 之间存在明显的正相关，promotion并且和 之间也profit存在正相关。在 RI 中简单地测试相关性promotionnew_users

cor.test(data$promotion, data$profit, method="kendall", alternative="greater" )
cor.test(data$promotion, data$new_users, method="kendall", alternative="greater")

这两者都给出了一个低 p 值，即我们有一个正相关。

我想找到一个增加promotion不增加profit或new_users必须增加的点，即一个甜蜜点。

这是 2 个图和这些图的 R 代码

plot(data$promotion, data$profit, col="brown")
plot(data$promotion, data$new_users)

这应该怎么做？

我的想法在哪里制作回归模型。对于第一个“promotion vs. new_users”，可以使用毒药模型，因为它是一个计数过程，所以这样的模型会是一个不错的选择吗？

glm(formula= data$new_users ~ data$promotion, family="poisson", data=data)

接下来应该为下一个选择什么回归模型。可以说这个回归模型是一个不错的选择吗？（我使用 sqrt 命令）

glm(formula=data$profit ~ sqrt(data$promotion) , data=data)

或者也许根本不需要使用回归模型来找到最佳位置？

谢谢。

我现在看到了“好”的新用​​户。对于每个day我们都有一个promotion价值，我们有一个count价值，即新的好用户的数量。该图向我们展示了我们每天通过促销获得的优秀新用户数量。例如，对于促销价值 90，我们有一天获得 8 个新的好用户，一天我们获得了 14 个新的好用户。

找到使用促销的最佳位置的正确方法是什么？