京公网安备 11010802034615号
经营许可证编号:京B2-20210330
关于分析和研究,粗浅的说点我的理解:
各网站常见的PV分析,是对大量数据样本的统计分析。算是定量的研究;而淘宝目前的用户研究,一直采用小样本方式。算是定性的研究。
定量的信息告诉你发生了什么,它真实、精确,但缺少细节,无法看清和解释问题的根源。定性的信息告诉你为什么会发生,它灵活、快速、细节丰富,但缺乏普遍性,且描述性细节多过可统计的数据。这也正是为什么,数据分析部也会做用户访谈;而用户研究部需要上量的数据支持的原因。
举个例子,可能更好理解定性和定量数据的差异:如下图,中国网络数据中心[dcci],统计了08年上半年,中国网民对网络的应用 和使用地点的关系。
可以看出,很明显,在办公室上网的人,比在其他地点上网的人,收发更多的电子邮件,进行更多的网络交易。
如果考虑到人群基数,可以推知,在单位和家里是网上购物的主要地点。
这个信息,有利于我们大致认清目标用户。但,在单位的人,几点购物?有多少时间购物?浏览和购买的操作有什么特点?有什么特殊需求?这些有足够细节的,能影响具体设计的信息,往往是无法直接获得的。在设计实践中,设计师往往依靠自己或专家的经验和直觉。经验,其实就是一种小样本的积累。不精确,却足以解决一些问题。我们当然也可以用定量的方法,分别统计每个细小问题的大量数据,为最终的设计提供真实而丰富的细节。但是,问题分的细了,统计时间和成本必然增加。性价比是需要权衡的。
因此,为了弄清楚网络购物的人们,大都在什么时候出手,这个细节问题,我旺旺抽访了12个卖家,问他们什么时间段最忙,以推知主流买家的购物习惯。得到如下信息:
1) 钻级卖家,一周才卖几件,看不出一天内买家的变化趋势。印象里,非周末的下午,卖的多。
2) 皇冠卖家,下午〉=晚上的繁忙程度。也就是说,晚上不会比下午更忙。而下午最忙是16点。晚上一般是8-11点。
3) 皇冠特例:3C数码卖家说,最忙时候是上午10:00-11:30 和 晚上8-11点。下午不忙。男性买家是绝大多数。
由定量信息 和 以上抽样信息 结合,大致可以看出:
1) 上班人员一般在临近下班前拍下宝贝。而不是一般推理的午休时间。
2) 晚上在家购物的人,一般在晚饭后[天气预报后时段],上网购物人数增多。
3) 男性买家,可能更倾向于上午下班前购物。
以上信息,仅供参考。
另外,今天看到一句话,很有感触:
“一般人认为数据是客观而准确的,其分析结果也是一样。但其实,准确的数据之后,依赖的是分析师的常识、经验和主观判断。”
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在 MySQL 实际应用中,“频繁写入同一表” 是常见场景 —— 如实时日志存储(用户操作日志、系统运行日志)、高频交易记录(支付 ...
2025-10-30为帮助教育工作者、研究者科学分析 “班级规模” 与 “平均成绩” 的关联关系,我将从相关系数的核心定义与类型切入,详解 “数 ...
2025-10-30对 CDA(Certified Data Analyst)数据分析师而言,“相关系数” 不是简单的数字计算,而是 “从业务问题出发,量化变量间关联强 ...
2025-10-30在构建前向神经网络(Feedforward Neural Network,简称 FNN)时,“隐藏层数目设多少?每个隐藏层该放多少个神经元?” 是每个 ...
2025-10-29这个问题切中了 Excel 用户的常见困惑 —— 将 “数据可视化工具” 与 “数据挖掘算法” 的功能边界混淆。核心结论是:Excel 透 ...
2025-10-29在 CDA(Certified Data Analyst)数据分析师的工作中,“多组数据差异验证” 是高频需求 —— 例如 “3 家门店的销售额是否有显 ...
2025-10-29在数据分析中,“正态分布” 是许多统计方法(如 t 检验、方差分析、线性回归)的核心假设 —— 数据符合正态分布时,统计检验的 ...
2025-10-28箱线图(Box Plot)作为展示数据分布的核心统计图表,能直观呈现数据的中位数、四分位数、离散程度与异常值,是质量控制、实验分 ...
2025-10-28在 CDA(Certified Data Analyst)数据分析师的工作中,“分类变量关联分析” 是高频需求 —— 例如 “用户性别是否影响支付方式 ...
2025-10-28在数据可视化领域,单一图表往往难以承载多维度信息 —— 力导向图擅长展现节点间的关联结构与空间分布,却无法直观呈现 “流量 ...
2025-10-27这个问题问到了 Tableau 中两个核心行级函数的经典组合,理解它能帮你快速实现 “相对位置占比” 的分析需求。“index ()/size ( ...
2025-10-27对 CDA(Certified Data Analyst)数据分析师而言,“假设检验” 绝非 “套用统计公式的机械操作”,而是 “将模糊的业务猜想转 ...
2025-10-27在数字化运营中,“凭感觉做决策” 早已成为过去式 —— 运营指标作为业务增长的 “晴雨表” 与 “导航仪”,直接决定了运营动作 ...
2025-10-24在卷积神经网络(CNN)的训练中,“卷积层(Conv)后是否添加归一化(如 BN、LN)和激活函数(如 ReLU、GELU)” 是每个开发者都 ...
2025-10-24在数据决策链条中,“统计分析” 是挖掘数据规律的核心,“可视化” 是呈现规律的桥梁 ——CDA(Certified Data Analyst)数据分 ...
2025-10-24在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22