
電子商務(wù)運(yùn)營(yíng)中的五大數(shù)據(jù)陷阱_數(shù)據(jù)分析師
做電商,看懂?dāng)?shù)據(jù)是基本功。軟件可以解決繁瑣的計(jì)算,但解讀還需要運(yùn)營(yíng)人員有基本的數(shù)據(jù)分析能力。本文了五個(gè)常見(jiàn)的數(shù)據(jù)陷阱,了解和掌握后可以有效避免一些分析結(jié)果的偏差,從而幫助管理者做出正確的決策。
如今,“大數(shù)據(jù)”的概念被炒得沸沸揚(yáng)揚(yáng)。不可否認(rèn),數(shù)據(jù)確實(shí)是越來(lái)越多了,人們的數(shù)據(jù)意識(shí)也正在增強(qiáng),尤其是在積累相對(duì)容易的電商行業(yè)。但面對(duì)眾多的運(yùn)營(yíng)數(shù)據(jù),你真的能有效的將其應(yīng)用嗎?先不談各種復(fù)雜的計(jì)量模型,筆者從幾個(gè)簡(jiǎn)單的統(tǒng)計(jì)學(xué)概念入手,提醒大家:數(shù)據(jù)有陷阱,應(yīng)用需謹(jǐn)慎。
算數(shù)平均數(shù),即幾個(gè)數(shù)字相加后除以個(gè)數(shù),這也許是大家僅有的對(duì)平均數(shù)的理解。但其實(shí)平均數(shù)還有很多,比如中位數(shù)、幾何平均數(shù)、眾數(shù)等等。先看下面的例1,某店鋪一段時(shí)間的營(yíng)業(yè)額數(shù)據(jù)如下:
該店鋪12期銷售額的算數(shù)平均數(shù)是300,但有10期數(shù)值都在300以下,這樣的數(shù)值合理嗎?前10期的算數(shù)平均數(shù)僅是210,和300相去甚遠(yuǎn)。顯然后面兩期的數(shù)值對(duì)整體的拉升作用明顯。來(lái)個(gè)更極端的例子,三個(gè)人的年收入分別是3萬(wàn)、3萬(wàn)和300萬(wàn),但算數(shù)平均是102萬(wàn),原本是兩個(gè)屌絲和一個(gè)高帥富,可一平均后大家都成了高帥富。大家很多時(shí)候吐槽統(tǒng)計(jì)數(shù)字有水分,其實(shí)這就是算術(shù)平均數(shù)的陷阱。
那么怎樣獲得更準(zhǔn)確的平均數(shù)呢?有人說(shuō),“去掉最大值,去掉最小值”,這方法沒(méi)錯(cuò),但略顯粗暴。我們介紹幾個(gè)更科學(xué)的計(jì)算方式。
先看中位數(shù)。中位數(shù)即將數(shù)列從小到大排列后,取中間位置的那個(gè)數(shù)字作為平均數(shù),若數(shù)列是偶數(shù),則取中間兩位數(shù)的算數(shù)平均。例1的中位數(shù)是200,顯然比300要來(lái)的合理的多。
其次是眾數(shù),即出現(xiàn)頻率最高的那個(gè)數(shù)。
最后介紹下幾何平均數(shù)。若要求5個(gè)數(shù)字的幾何平均數(shù),則將這5個(gè)數(shù)連乘后開(kāi)5次方。例1中的幾何平均數(shù)是268,也要比300更接近真實(shí)水平。
目前普遍在用的算數(shù)平均數(shù),受極值的影響很大,其準(zhǔn)確性是值得管理者們注意的。筆者建議管理者將中位數(shù)也應(yīng)用起來(lái),對(duì)算數(shù)平均的判斷起輔助作用。若兩者相差過(guò)大,則需要找到極值產(chǎn)生的原因。
在EXCEL中,中位數(shù)、眾數(shù)和幾何平均數(shù)的函數(shù)分別是MEDIAN、MODE和GEOMEAN,應(yīng)用起來(lái)非常方便。
目前大家比較熟悉的是同比增長(zhǎng)率和環(huán)比增長(zhǎng)率,同比增長(zhǎng)率能夠排除掉季節(jié)性的因素,反映出較為實(shí)質(zhì)性的增長(zhǎng)。而環(huán)比能夠連續(xù)地、動(dòng)態(tài)地反映出指標(biāo)的變化。但僅有這兩個(gè)指標(biāo)有時(shí)候是不夠的。比如,去年和今年市場(chǎng)行情相差很大,那么同比(今年與去年同期比)的參照性就很不可靠,而環(huán)比只看到了這期和上期的差異,若相隔的期數(shù)多了,就很難判斷現(xiàn)在的狀況如何。怎么辦?大家不要忘了定基比率,即將固定的某期設(shè)為基數(shù),其后各期該期進(jìn)行對(duì)比。
比如某店鋪今年1月至12月的銷售額數(shù)據(jù)為(10,12,13,16,18,13,17,19,18,20,25,22),我們將1月數(shù)據(jù)設(shè)為基數(shù)100,其后各期與之的比值即為定基比數(shù)據(jù)(100,120,130,…,250,220)。筆者認(rèn)為定基比有時(shí)更能反映出某段時(shí)間的經(jīng)營(yíng)成果。比如某項(xiàng)改革從1月開(kāi)始了,那就將各種運(yùn)營(yíng)指標(biāo)以1月為基期,以后各月與它對(duì)比,便能直觀反映這項(xiàng)改革帶來(lái)的效果。
某天你孩子向你報(bào)告考試成績(jī),說(shuō)考了第9名,你是高興還是憤怒?先別急著下論斷,得先問(wèn)問(wèn)幾個(gè)人考試。若是500人,那你必然賜予擁吻和禮物;而若是10個(gè)人,你八成會(huì)賞個(gè)巴掌。這就是絕對(duì)數(shù)字排名的局限性。那么我們用個(gè)百分比數(shù)值來(lái)代替之,就免去了這樣的尷尬,即排名數(shù)值除以總的參與排名的個(gè)數(shù)。比如我經(jīng)營(yíng)50款產(chǎn)品,某款產(chǎn)品銷售額排在第8位,那就表明它排在16%。
要多說(shuō)一點(diǎn)的是,在百分比的排名中,需重視四分位數(shù),即25%,50%,75%三個(gè)檔次。許多指標(biāo)的優(yōu)劣都會(huì)以四分衛(wèi)數(shù)來(lái)衡量。比如你的轉(zhuǎn)化率在行業(yè)內(nèi)的前25%以內(nèi)浮動(dòng),那你暫時(shí)不用擔(dān)心,將精力放在其他方面,若低于25%了,那你或許要花力氣來(lái)提升你的轉(zhuǎn)化率了。
對(duì)于許多中小型的電商企業(yè),經(jīng)營(yíng)的第一步便是沖銷售額,因此粗放經(jīng)營(yíng)是普態(tài),對(duì)各種指標(biāo)的大起大落習(xí)以為常。有了漂亮的增長(zhǎng)業(yè)績(jī),穩(wěn)定性真的不重要嗎?筆者不這么認(rèn)為,尤其是成本,穩(wěn)定各項(xiàng)成本是對(duì)企業(yè)發(fā)展的一種蓄力。
比如采購(gòu)成本,許多企業(yè)判斷其采購(gòu)成本的唯一指標(biāo)便是算數(shù)平均數(shù),其弊端在上文中已經(jīng)指出,而對(duì)穩(wěn)定性的認(rèn)識(shí)只停留在人的主觀感受或采購(gòu)曲線的波動(dòng)上。筆者建議電商們計(jì)算方差指標(biāo),即EXCEL中的VAR函數(shù),方差越大,表示該指標(biāo)穩(wěn)定性越差。
一般來(lái)說(shuō),一個(gè)健康的企業(yè),不管銷售額如何變化,其成本的穩(wěn)定性(絕對(duì)值較穩(wěn)定或者變化率較穩(wěn)定)會(huì)較強(qiáng),即方差較小。穩(wěn)定性變差,一般預(yù)示著重大變化的來(lái)臨。面對(duì)越來(lái)越飽和的市場(chǎng)和越來(lái)越激烈的競(jìng)爭(zhēng),電商企業(yè)急需關(guān)注自己運(yùn)營(yíng)的穩(wěn)定性。尤其是與供應(yīng)鏈各個(gè)環(huán)節(jié)相關(guān)的穩(wěn)定性,如采購(gòu)成本、推廣費(fèi)用、物流費(fèi)用等等,任何指標(biāo)若變得不穩(wěn)定了,就該警惕,找出背后的原因。
筆者有幸觀察過(guò)一個(gè)日化店鋪的數(shù)據(jù),老板非常想知道什么因素對(duì)銷售額的影響最大。在對(duì)其運(yùn)營(yíng)數(shù)據(jù)進(jìn)行回歸分析后,發(fā)現(xiàn)做活動(dòng)的次數(shù)和時(shí)長(zhǎng)對(duì)其銷售額都沒(méi)有影響(統(tǒng)計(jì)不顯著),唯一有影響的是客單價(jià),客單價(jià)越低銷售額越高。乍看之下,這個(gè)結(jié)論著實(shí)有些讓人無(wú)語(yǔ)(因?yàn)檎l(shuí)都知道)。但模型顯示,客單價(jià)每降低一元,總銷售額提升100多,鑒于其高于50%的毛利率,降價(jià)一元可以總體上多賺50塊。但是總銷售額是萬(wàn)元級(jí)的,因此多賺的50元微不足道。所以總體上看,銷售額似乎是一個(gè)不受人為控制的指標(biāo)(自然波動(dòng))。這似乎是一個(gè)謎題。
但促銷活動(dòng)的不顯著是值得我們思考的。當(dāng)然,也許是我們遺漏了某關(guān)鍵的指標(biāo),也許僅僅有客單價(jià)、促銷次數(shù)、促銷天數(shù)、轉(zhuǎn)化率、UV、熟客率等指標(biāo)是不夠的。但不妨自問(wèn),我們很多時(shí)候是不是太過(guò)看重促銷和推廣了?
數(shù)據(jù)分析咨詢請(qǐng)掃描二維碼
若不方便掃碼,搜微信號(hào):CDAshujufenxi
SQL Server 中 CONVERT 函數(shù)的日期轉(zhuǎn)換:從基礎(chǔ)用法到實(shí)戰(zhàn)優(yōu)化 在 SQL Server 的數(shù)據(jù)處理中,日期格式轉(zhuǎn)換是高頻需求 —— 無(wú)論 ...
2025-09-18MySQL 大表拆分與關(guān)聯(lián)查詢效率:打破 “拆分必慢” 的認(rèn)知誤區(qū) 在 MySQL 數(shù)據(jù)庫(kù)管理中,“大表” 始終是性能優(yōu)化繞不開(kāi)的話題。 ...
2025-09-18CDA 數(shù)據(jù)分析師:表結(jié)構(gòu)數(shù)據(jù) “獲取 - 加工 - 使用” 全流程的賦能者 表結(jié)構(gòu)數(shù)據(jù)(如數(shù)據(jù)庫(kù)表、Excel 表、CSV 文件)是企業(yè)數(shù)字 ...
2025-09-18DSGE 模型中的 Et:理性預(yù)期算子的內(nèi)涵、作用與應(yīng)用解析 動(dòng)態(tài)隨機(jī)一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明確:TIF 中的地名有哪兩種存在形式? 在開(kāi)始提取前,需先判斷 TIF 文件的類型 —— ...
2025-09-17CDA 數(shù)據(jù)分析師:解鎖表結(jié)構(gòu)數(shù)據(jù)特征價(jià)值的專業(yè)核心 表結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 規(guī)范存儲(chǔ)的結(jié)構(gòu)化數(shù)據(jù),如數(shù)據(jù)庫(kù)表、Excel 表、 ...
2025-09-17Excel 導(dǎo)入數(shù)據(jù)含缺失值?詳解 dropna 函數(shù)的功能與實(shí)戰(zhàn)應(yīng)用 在用 Python(如 pandas 庫(kù))處理 Excel 數(shù)據(jù)時(shí),“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗(yàn)與 t 檢驗(yàn):差異、適用場(chǎng)景與實(shí)踐應(yīng)用 在數(shù)據(jù)分析與統(tǒng)計(jì)學(xué)領(lǐng)域,假設(shè)檢驗(yàn)是驗(yàn)證研究假設(shè)、判斷數(shù)據(jù)差異是否 “ ...
2025-09-16CDA 數(shù)據(jù)分析師:掌控表格結(jié)構(gòu)數(shù)據(jù)全功能周期的專業(yè)操盤手 表格結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 存儲(chǔ)的結(jié)構(gòu)化數(shù)據(jù),如 Excel 表、數(shù)據(jù) ...
2025-09-16MySQL 執(zhí)行計(jì)劃中 rows 數(shù)量的準(zhǔn)確性解析:原理、影響因素與優(yōu)化 在 MySQL SQL 調(diào)優(yōu)中,EXPLAIN執(zhí)行計(jì)劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對(duì)象的 text 與 content:區(qū)別、場(chǎng)景與實(shí)踐指南 在 Python 進(jìn)行 HTTP 網(wǎng)絡(luò)請(qǐng)求開(kāi)發(fā)時(shí)(如使用requests ...
2025-09-15CDA 數(shù)據(jù)分析師:激活表格結(jié)構(gòu)數(shù)據(jù)價(jià)值的核心操盤手 表格結(jié)構(gòu)數(shù)據(jù)(如 Excel 表格、數(shù)據(jù)庫(kù)表)是企業(yè)最基礎(chǔ)、最核心的數(shù)據(jù)形態(tài) ...
2025-09-15Python HTTP 請(qǐng)求工具對(duì)比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請(qǐng)求(如接口調(diào)用、數(shù)據(jù)爬取 ...
2025-09-12解決 pd.read_csv 讀取長(zhǎng)浮點(diǎn)數(shù)據(jù)的科學(xué)計(jì)數(shù)法問(wèn)題 為幫助 Python 數(shù)據(jù)從業(yè)者解決pd.read_csv讀取長(zhǎng)浮點(diǎn)數(shù)據(jù)時(shí)的科學(xué)計(jì)數(shù)法問(wèn)題 ...
2025-09-12CDA 數(shù)據(jù)分析師:業(yè)務(wù)數(shù)據(jù)分析步驟的落地者與價(jià)值優(yōu)化者 業(yè)務(wù)數(shù)據(jù)分析是企業(yè)解決日常運(yùn)營(yíng)問(wèn)題、提升執(zhí)行效率的核心手段,其價(jià)值 ...
2025-09-12用 SQL 驗(yàn)證業(yè)務(wù)邏輯:從規(guī)則拆解到數(shù)據(jù)把關(guān)的實(shí)戰(zhàn)指南 在業(yè)務(wù)系統(tǒng)落地過(guò)程中,“業(yè)務(wù)邏輯” 是連接 “需求設(shè)計(jì)” 與 “用戶體驗(yàn) ...
2025-09-11塔吉特百貨孕婦營(yíng)銷案例:數(shù)據(jù)驅(qū)動(dòng)下的精準(zhǔn)零售革命與啟示 在零售行業(yè) “流量紅利見(jiàn)頂” 的當(dāng)下,精準(zhǔn)營(yíng)銷成為企業(yè)突圍的核心方 ...
2025-09-11CDA 數(shù)據(jù)分析師與戰(zhàn)略 / 業(yè)務(wù)數(shù)據(jù)分析:概念辨析與協(xié)同價(jià)值 在數(shù)據(jù)驅(qū)動(dòng)決策的體系中,“戰(zhàn)略數(shù)據(jù)分析”“業(yè)務(wù)數(shù)據(jù)分析” 是企業(yè) ...
2025-09-11Excel 數(shù)據(jù)聚類分析:從操作實(shí)踐到業(yè)務(wù)價(jià)值挖掘 在數(shù)據(jù)分析場(chǎng)景中,聚類分析作為 “無(wú)監(jiān)督分組” 的核心工具,能從雜亂數(shù)據(jù)中挖 ...
2025-09-10統(tǒng)計(jì)模型的核心目的:從數(shù)據(jù)解讀到?jīng)Q策支撐的價(jià)值導(dǎo)向 統(tǒng)計(jì)模型作為數(shù)據(jù)分析的核心工具,并非簡(jiǎn)單的 “公式堆砌”,而是圍繞特定 ...
2025-09-10