这个时间是两种基本的分析方法,比较分析和细分分析。这两种方法将在未来的分析工作中几乎无处不在。这也是基本的数据分析思路,所以提前来这里。
一、对比分析法
相比之下,比较分析基于数据计算方法来确定两种解决方案的优缺点。
一个常见的例子是:同一个电子商务网站上的产品A和产品B,哪一个对网站贡献更多?考虑销售量的传统方式显然不足以进行全面比较。在这里,我们必须全面考虑流量,转换率和商品热量,以更全面地评估两种产品对网站的贡献。
1、对比分析法的比较基准
基准设置是统一比较单元中的重要一步。设定方法为:百分比平均法和标准化指数组合法。
1.1 百分比评分均值法
“百分比分数均值法”是将指标的值转换为百分比的形式。一般而有效的方法是将所有指标除以人口的最大值。此方法适用于大于0的所有指标,且分布不是特别离散的。这非常有效。
举一个——
的例子从下表中可以看出,A项中四种产品的最高流量为563,项目B的最高流量为9%。所有项目的访问次数除以563,转换率除以9%,然后是相应的百分比分数,然后将两列分数简单地平均得到综合分数。
显然,通过比较综合得分来判断货物的表现更为合理。
如果考虑的再全面些,针对不同商品的重要性设定权重,结果更能真实有效的评估商品的好坏。
例如,上表中的加权平均法,产品的综合得分发生了变化,如下图所示。至于是否加权,以及如何设定每个指标的权重,可以根据分析的需要和指标的特征来确定。
1.2 标准化指标合并法
“标准化指标合并比较方法”是通过标准化方法消除每个指标单元的影响然后组合和比较的方法。
数据的标准化是缩放数据以适应小的特定间隔。
公式为X=(x-u)/σ (U代表均值,σ代表方差)
例如,——
下表中的数据,跳出率测量条目和转换率CR测量输出。三种优化方案A,B和C中的哪一种是最佳的?
标准化每个指标并取平均值进行比较后,我们可以看出A方案是最优的。
2、对比分析法的“实验环境”设定
比较分析的一个重要条件是需要在相同条件下比较两组参数才有意义。此时,有必要人为地设置合理的比较环境,即数据分析的“分析环境设置”。
有两种方法可以设置实验环境:
基于时间序列的组内比较
基于对照实验的组间比较
2.1 基于时间序列的组内比较
基于时间序列的组内比较:通常,在时间序列的某个时间点应用实验刺激,并且在实验刺激之前和之后进行重复的测试比较,并且比较结果反映实验刺激是否具有对结果的影响。
比较组中的流程示例——
该公司前4个月的工资是正常的,员工预计将在第五个月提高工资(采用实验性激励措施)。此时,通过观察4个月和4个月后员工的工作效率和工作满意度,可以判断实验刺激是否有效提高员工的工作效率和工作满意度。
2.2 基于对照实验的组间比较
基于对照实验的组间比较:通常,同时设置两组样品(实验组和对照组),然后对实验组进行实验刺激,对照组保持不变。通过比较实验组和对照组,判断实验的刺激是否对结果有影响。
组之间的过程比较示例——
以前面的例子为例。如果只允许一些员工提高工资,然后比较未提高工资的员工的工作效率和工作满意度与提高工资四个月的员工之间的差异。如果差异很大,则可以证明加薪是实验的结果。有重大影响。
2.3 特殊情况下,实验环境如何设定
有时您会遇到无法提供实验的对比环境。你该怎么办?例如。
下表:活动前和活动期间有5天的数据。订单数量用作指示器,以指示活动是否可以显着增加每日订单量。
从表中的数据可以发现,每天的用户数是增量状态,并且活动也导致用户数量的增加。那么,由于用户数量的增加或者生活的影响,订单数量是否会增加?
无论数据本身的自然增长如何,直接比较事件前后日平均订单的差异;
考虑到数据的自然增长,日常普通用户的增长率可以用作整个网站数据的自然增长率。
这样,比较的结果发生了变化。事件之前的订单数量乘以自然增长率,该增长率高于活动中的平均订单数量。从结果来看,活动对订单数量的增加没有显着影响。
当然,您可以通过直接比较事件前后每人的订单数量来获得结果。但是,通过乘以上面的自然增长率,您可以进一步评估活动的影响。如果活动促进了订单数量的增加,我们可以估计活动期间平均每日订单的增加,以便可以直接评估活动的表现。
二、细分分析法
细分分析的目的是找出问题的真正问题并找到解决方案。细分分析指的是指标和维度的组合。
例如,网站报告通常是网站数据的组合,包括访问网站的总次数,花费的总时间和总销售额。但是,我们不知道用户在不同页面上的时间,不同的内容,不同的频道以及访问量,这意味着这些聚合数据无法正确判断不同属性的流量。因此,从用户和站点的角度来看,流量分段都很重要。
1、指标和维度的类型
度量标准是用于记录访问者行为的数字。维度用于提供观察访问者行为的角度。使用度量标准时,维度必须有意义。指标可分为基本指标和综合指标。常见的基本指标包括访问和综合浏览量。常见的综合指标包括访问深度,跳出率,现场平均时间和新访问百分比。常见维度类别包括访问者属性维度,时间维度,流量来源维度,地理维度,内容维度和系统维度。
2、细分例子
例如,有一天,你的老板说:我想知道2015年5月9日北京地区的访问次数,使用谷歌的Safari浏览器搜索“蓝鲸”关键词并点击自然排名结果。
听完这个要求后,你可能会觉得有点头晕,很多条件混在一起,如何获得这些数据?实际上,它包含6个维度和1个指标。
这6个维度和1个指标是:
时间维度—— 2010年3月10日
地理方面——北京地区
浏览器维度—— Safari浏览器
流量来源维度——谷歌
流量属性维度——自然排名结果
关键字维度——” blue wild”
指标——访问次数
而且这个分析过程也非常快,你可以在5分钟内得到它,步骤如下:
当然,如果操作过于复杂,您还可以通过标记用户组来自定义细分。标记用户组的常用方法是:
通过访问特定页面对用户进行分类;
点击特定链接对用户进行分类;
它按用户自己的选择进行分类。
当然,在细分之前,非注册用户,新注册用户和注册用户的分数是明确的。