对照“对照”俗称比照,单独看一个数据是不会有觉得的,必需跟另一个数据做比照才会有觉得。
我们发现一个搜索指数和一个宝贝数,这两个指标一个代表需求,一个代表竞争,有很多人把搜索指数/宝贝数=倍数,用倍数来代表一个词的竞争度(仅供参考)。
这种做法,就是在增维。
增加的维度有一种叫法称之为“辅助列”。
在理想中的应用十分广,比方京东选品测款丶监控店铺数据等,这些过程就是在做“对照”,剖析人员拿到数据后,假如数据是独立的,无法停止比照的话,就无法判别,等于无法从数据中读取有用的信息。
拆分我们回到第一个思想“比照”上面来,当某个维度能够比照的时分,我们选择比照。
再比照后发现问题需求找出缘由的时分?
或者基本就没有得比照。
这个时分,“拆分”就闪亮退场了。
销售额=成交用户数*客单价,成交用户数又等于访客数*转化率。
降维这么多的维度,其实不用每个都剖析。
我们晓得成交用户数/访客数=转化率,当存在这种维度,是能够经过其他两个维度经过计算转化出来的时分,我们就能够“降维”。
成交用户数丶访客数和京东店铺转化率,只需三选二即可。
另外,成交用户数*客单价=销售额,这三个也能够三择二。
另外,我们普通只关怀对我们有用的数据,当有某些维度的数据跟我们的剖析无关时,我们就能够挑选掉,到达“降维”的目的。
增维增维和降维是对应的,有降必有增。
当我们当前的维度不能很好地解释我们的问题时,我们就需求对数据做一个运算,增加多一个指标。
请看下图。
我们发现一个搜索指数和一个宝贝数,这两个指标一个代表需求,一个代表竞争,有很多人把搜索指数/宝贝数=倍数,用倍数来代表一个词的竞争度(仅供参考)。
这种做法,就是在增维。
增加的维度有一种叫法称之为“辅助列”。
假说我们先假定有了却果,然后运用逆向思想。
从结果到缘由,要有怎样样的因,才干产生这种结果。
这有点寻根的滋味。
那么,我们能够晓得,如今满足了几因,还需求几因。
假如是多选的状况下,我们就能够经过这种办法来找到比拟佳途径(决策)。
我们回到数据剖析的目的,我们就会晓得只要明白了问题和需求,我们才干选择剖析的办法。