《新媒體數(shù)據(jù)分析與應(yīng)用》 課件 第5章 新媒體數(shù)據(jù)的分析視角

新媒體數(shù)據(jù)分析與應(yīng)用第5章：新媒體數(shù)據(jù)的分析視角本章提綱CONTENTS現(xiàn)狀分析01原因分析02預(yù)測分析035.1

現(xiàn)狀分析新媒體數(shù)據(jù)經(jīng)過加工與處理后具有可分析性，可以嘗試進(jìn)行分析并掌握數(shù)據(jù)背后的運(yùn)營情況。第5章：新媒體數(shù)據(jù)的分析視角

5.1.1對比分析對比分析是指將兩個(gè)或兩個(gè)以上的數(shù)據(jù)進(jìn)行比較，分析它們的差異，從而揭示這些數(shù)據(jù)所代表的事物發(fā)展變化規(guī)律。對比分析的特點(diǎn)就是可以非常直觀地看出事物某方面的變化或差距，并且可以準(zhǔn)確、量化地表示出這種變化或差距是多少。1.定義2.分類對比分析可分為靜態(tài)比較和動態(tài)比較，其中，靜態(tài)比較是指在同一時(shí)間條件下對不同總體指標(biāo)的比較，如今日頭條同領(lǐng)域作者文章閱讀量對比、粉絲數(shù)對比等，也叫橫向比較，簡稱橫比。動態(tài)比較是指在同一總體條件下對不同時(shí)期指標(biāo)數(shù)值的比較，如本月文章閱讀量與上月文章閱讀量進(jìn)行對比、本月粉絲增長數(shù)與上月粉絲增長數(shù)進(jìn)行對比等，也叫縱向比較，簡稱縱比。第5章：新媒體數(shù)據(jù)的分析視角

5.1.1對比分析3.實(shí)踐應(yīng)用對比分析的實(shí)踐運(yùn)用主要體現(xiàn)在五個(gè)方面。

第一就是與目標(biāo)對比，具體就是將實(shí)際完成值與目標(biāo)進(jìn)行對比，屬于橫比；

第二就是與不同時(shí)期對比，具體指選擇不同時(shí)期的指標(biāo)數(shù)值作為對比標(biāo)準(zhǔn)，屬于縱比；

第三就是對同級部門、單位、地區(qū)對比，具體就是與同級部門、單位、地區(qū)進(jìn)行對比，屬于橫比；

第四就是行業(yè)內(nèi)對比，具體就是與行業(yè)中的標(biāo)桿企業(yè)、競爭對手或行業(yè)的平均水平進(jìn)行對比，屬于橫比；

第五就是與活動效果對比，具體就是對某項(xiàng)營銷活動開展前后進(jìn)行對比，屬于縱比；同時(shí)，我們還可以對活動的開展?fàn)顩r進(jìn)行分組對比，這屬于橫比。因此，通過對比分析可以直接觀察到目前的運(yùn)營水平，一方面找到當(dāng)前已經(jīng)處于優(yōu)秀水平的層面，后續(xù)予以保持；另一方面及時(shí)發(fā)現(xiàn)當(dāng)前的薄弱環(huán)節(jié)，重點(diǎn)突破。第5章：新媒體數(shù)據(jù)的分析視角

5.1.1對比分析例如，A企業(yè)是一家短視頻運(yùn)營平臺，其新媒體運(yùn)營團(tuán)隊(duì)進(jìn)行了同行用戶年齡對比分析，如圖所示。通過對比可以發(fā)現(xiàn)，該企業(yè)的主要用戶年齡大多在20—34歲左右，而B企業(yè)的大多數(shù)用戶年齡則在35歲以上。第5章：新媒體數(shù)據(jù)的分析視角

5.1.2綜合評價(jià)分析綜合評價(jià)分析的基本思想是將多個(gè)指標(biāo)轉(zhuǎn)化為一個(gè)能夠反映綜合情況的指標(biāo)來進(jìn)行分析評價(jià)，比如不同國家的經(jīng)濟(jì)發(fā)展?fàn)顩r，不同地區(qū)的基礎(chǔ)設(shè)施建設(shè)水平、生活水平滿意度水平、企業(yè)經(jīng)濟(jì)效益評價(jià)等，都可以應(yīng)用這種方法。1.定義2.三大特點(diǎn)特點(diǎn)一：評價(jià)過程不是逐個(gè)指標(biāo)順次完成的，而是通過一些特殊方法將多個(gè)指標(biāo)的評價(jià)同時(shí)完成的。特點(diǎn)二：在綜合評價(jià)過程中，一般要根據(jù)指標(biāo)的重要性進(jìn)行權(quán)重的評估。特點(diǎn)三：評價(jià)結(jié)果不再是具有具體含義的統(tǒng)計(jì)指標(biāo)，而是以指數(shù)或分值表示參評單位綜合狀況的排序。第5章：新媒體數(shù)據(jù)的分析視角

5.1.2綜合評價(jià)分析3.綜合評價(jià)分析的過程第5章：新媒體數(shù)據(jù)的分析視角

5.1.2綜合評價(jià)分析4.綜合評價(jià)分析的標(biāo)準(zhǔn)化方法——0-1標(biāo)準(zhǔn)化方法數(shù)據(jù)的標(biāo)準(zhǔn)化是將數(shù)據(jù)按比例縮放，使之落入一個(gè)小的特定區(qū)間。在比較和評價(jià)某些指標(biāo)時(shí)，經(jīng)常會用到數(shù)據(jù)的標(biāo)準(zhǔn)化，去除數(shù)據(jù)的單位限制，將其轉(zhuǎn)化為無量綱的純數(shù)值，便于不同單位或量級的指標(biāo)進(jìn)行比較和加權(quán)。其中最典型的就是數(shù)據(jù)的歸一化處理，將數(shù)據(jù)統(tǒng)一映射到[0,1]區(qū)間上，如圖所示。第5章：新媒體數(shù)據(jù)的分析視角

5.1.2綜合評價(jià)分析4.綜合評價(jià)分析的標(biāo)準(zhǔn)化方法——確定權(quán)重目標(biāo)優(yōu)化矩陣表的用法是：將縱軸上的項(xiàng)目依次和橫軸上的項(xiàng)目對比，由專家進(jìn)行投票表決，如果縱軸上的項(xiàng)目比橫軸上的重要，那么在兩個(gè)項(xiàng)目相交的表格中填1，否則填0，最后將每行的數(shù)字相加，根據(jù)合計(jì)的數(shù)值進(jìn)行排序。目標(biāo)優(yōu)化矩陣圖如圖5-4所示。5.2原因分析用戶流失及留存率評估對新媒體運(yùn)營平臺來說至關(guān)重要，平臺運(yùn)營人員往往會存在如下疑問：有哪些因素有助于降低平臺的用戶流失及提升用戶留存率呢？第5章：新媒體數(shù)據(jù)的分析視角5.2.1分組分析分組分析是指通過一定的指標(biāo)，將對象統(tǒng)計(jì)分組并計(jì)算和分析，以便深入了解所要分析對象的不同特征、性質(zhì)及相互關(guān)系的方法。分組分析法遵循相互獨(dú)立、完全窮盡的枚舉分析法（MutuallyExclusiveCollectivelyExhaustive，MECE）原則。所謂相互獨(dú)立，即分組之間不能有交叉，組別之間具有明顯的差異性，每個(gè)數(shù)據(jù)只能歸屬于某一組；所謂完全窮盡，即分組中不要遺漏任何數(shù)據(jù)，保證數(shù)據(jù)完整性，各組的空間足以容納總體的所有數(shù)據(jù)。1.定義2.實(shí)踐應(yīng)用例如，新媒體運(yùn)營團(tuán)隊(duì)可以統(tǒng)計(jì)粉絲中各職業(yè)所處行業(yè)的占比，按照此方法劃分的粉絲數(shù)量比例便是分組分析法的一種，如圖所示。第5章：新媒體數(shù)據(jù)的分析視角5.2.2結(jié)構(gòu)分析結(jié)構(gòu)分析是在統(tǒng)計(jì)分組的基礎(chǔ)上，將組內(nèi)數(shù)據(jù)與總體數(shù)據(jù)之間進(jìn)行對比的分析方法。結(jié)構(gòu)分析法分析各組部分占總體的比例，屬于相對指標(biāo)。1.定義2.實(shí)踐運(yùn)用例如，新媒體運(yùn)營團(tuán)隊(duì)可以統(tǒng)計(jì)用戶所在的地域分布，統(tǒng)計(jì)出各個(gè)地方用戶的占比情況，此情形便屬于結(jié)構(gòu)分析法。第5章：新媒體數(shù)據(jù)的分析視角5.2.3交叉分析交叉分析通常用于分析兩個(gè)變量（字段）之間的關(guān)系，即同時(shí)將兩個(gè)有一定聯(lián)系的變量及其值交叉排列在一個(gè)表格內(nèi)，使各變量值成為不同變員的交叉結(jié)點(diǎn)，形成交叉表，從而分析交叉表中變量之間的關(guān)系，所以也叫交叉表分析。交叉表也有兩個(gè)維度以上的，維度越多，交叉表就越復(fù)雜，所以在選擇幾個(gè)維度的時(shí)候需要根據(jù)分析的目的決定。以下主要介紹二維交叉表分析。1.定義第5章：新媒體數(shù)據(jù)的分析視角5.2.3交叉分析2．?dāng)?shù)據(jù)透視表的運(yùn)用交叉表中的行沿水平方向延伸（從左側(cè)到右側(cè)），交叉表中的列沿垂直方向延伸（從上到下。匯總字段位于行和列的交叉結(jié)點(diǎn)，每個(gè)交叉結(jié)點(diǎn)的值代表對既滿足行條件又滿足列條件的記錄的匯總（求和、計(jì)數(shù)等），如“今日頭條”和“推薦量”交叉結(jié)點(diǎn)的值是555146，表示全天內(nèi)“今日頭條”平臺上的圖文消息瀏覽量之和為555146。第5章：新媒體數(shù)據(jù)的分析視角5.2.4杜邦分析杜邦分析是由美國杜邦公司創(chuàng)建并最先采用的一種綜合分析方法，又稱杜邦財(cái)務(wù)分析體系，簡稱杜邦體系。它利用各主要財(cái)務(wù)指標(biāo)間的內(nèi)在聯(lián)系，對企業(yè)財(cái)務(wù)狀況及經(jīng)濟(jì)效益進(jìn)行綜合分析評價(jià)的方法。1.定義

2．杜邦分析的基本思路要分析企業(yè)的運(yùn)營效率問題，主要是指分析“企業(yè)的錢賺取的利潤率”，換成現(xiàn)代術(shù)語就是ROE，凈資產(chǎn)收益率。該方法將將這個(gè)比率進(jìn)行拆解，拆解后可以解釋三方面的問題：（1）公司業(yè)務(wù)是否盈利；（2）公司資產(chǎn)使用效率如何；（3）公司債務(wù)負(fù)擔(dān)有沒有風(fēng)險(xiǎn)；拆解后的公式如下：ROE=銷售凈利率X總資產(chǎn)周轉(zhuǎn)率X權(quán)益乘數(shù)第5章：新媒體數(shù)據(jù)的分析視角5.2.4杜邦分析3.實(shí)踐運(yùn)用杜邦公式成立的前提是各項(xiàng)指標(biāo)可以消元，那么公式中的各項(xiàng)指標(biāo)必須是統(tǒng)一定義的。從杜邦示例圖看出決定凈資產(chǎn)收益率的因素有三個(gè)：銷售凈利率、總資產(chǎn)周轉(zhuǎn)率和權(quán)益乘數(shù)。而將銷售凈利率可以拆分為凈利潤、銷售收入，其中凈利潤又可以拆解為銷售收入和成本費(fèi)用；總資產(chǎn)周轉(zhuǎn)率細(xì)分為銷售收入、流動資產(chǎn)、長期資產(chǎn)。因此，一步步拆解之后可以發(fā)現(xiàn)，提高總資產(chǎn)凈利率的根本在于擴(kuò)大銷售、節(jié)約成本、優(yōu)化投資配置、加速資金周轉(zhuǎn)、優(yōu)化資金結(jié)構(gòu)。第5章：新媒體數(shù)據(jù)的分析視角5.2.5漏斗分析漏斗分析因其展現(xiàn)形式如漏斗，故而得名。該方法從字面上理解就是用類似漏斗的框架對事物進(jìn)行分析的一種方法，這種方法能對研究對象在“穿越漏斗”時(shí)的狀態(tài)特征進(jìn)行時(shí)序類、流程式的刻畫與分析。1.定義2.漏斗分析的應(yīng)用場景通過漏斗分析，可以了解用戶行為路徑在每一步的轉(zhuǎn)化和流失情況，對流失較多的路徑進(jìn)行細(xì)化多維度分析，找出漏點(diǎn)提升轉(zhuǎn)化。漏斗分析的應(yīng)用場景：用戶注冊轉(zhuǎn)化分析、企業(yè)用戶轉(zhuǎn)化分析。第5章：新媒體數(shù)據(jù)的分析視角5.2.5漏斗分析漏斗分析法涉及四個(gè)方面的要素：時(shí)間、節(jié)點(diǎn)、研究對象、指標(biāo)。（1）時(shí)間指的是事件是何時(shí)開始、何時(shí)結(jié)束的，也包括應(yīng)用漏斗模型進(jìn)行研究的時(shí)間段（即取數(shù)的時(shí)間范圍），還涵蓋前后兩個(gè)節(jié)點(diǎn)之間的時(shí)間間隔、某節(jié)點(diǎn)的停留時(shí)長等。（2）節(jié)點(diǎn)包括起點(diǎn)、終點(diǎn)和過程性節(jié)點(diǎn)，涵蓋這些節(jié)點(diǎn)的命名、標(biāo)識等，節(jié)點(diǎn)的數(shù)量對應(yīng)于漏斗的層級數(shù)。（3）研究對象指的是參與事件或流程的主體，可能是一群人、某類用戶或某個(gè)人。（4）指標(biāo)則是對整個(gè)事件流程進(jìn)行分析的工具，也是對漏斗的描述與刻畫。3．漏斗分析法的4個(gè)構(gòu)成要素第5章：新媒體數(shù)據(jù)的分析視角5.2.5漏斗分析假如有1000人訪問某企業(yè)網(wǎng)站，有400人單擊注冊，有200人注冊成功，有100人進(jìn)行付費(fèi)。這個(gè)過程共有四步，第一步到第二步的轉(zhuǎn)化率為40%，流失率為60%，第二步到第三步轉(zhuǎn)化率為50%，流失率50%；第三步到第四步轉(zhuǎn)化率為50%，流失率為50%。整個(gè)過程的轉(zhuǎn)化率為10%，流失率為90%。如圖所示，該模型就是經(jīng)典的漏斗模型。4．實(shí)踐運(yùn)用第5章：新媒體數(shù)據(jù)的分析視角5.2.6矩陣分析矩陣分析是指根據(jù)事物（如產(chǎn)品、服務(wù)等）的兩個(gè)重要屬性（或兩個(gè)重要指標(biāo)）作為分析的依據(jù)，進(jìn)行分類關(guān)聯(lián)分析，并找出解決問題的一種分析方法，也稱矩陣關(guān)聯(lián)分析，簡稱矩陣分析。以屬性A為橫軸，以屬性B為縱軸，組成一個(gè)坐標(biāo)系，在兩坐標(biāo)軸上分別按某一標(biāo)準(zhǔn)（平均值、經(jīng)驗(yàn)值等）進(jìn)行刻度劃分，構(gòu)成四個(gè)象限，將要分析的每個(gè)事物投射至對應(yīng)的四個(gè)象限內(nèi)，進(jìn)行交叉分類分析，直觀地將兩個(gè)屬性的關(guān)聯(lián)性表現(xiàn)出來，進(jìn)而分析每一個(gè)事物在這兩個(gè)屬性上的表現(xiàn)，從而找出解決問題的方法，為運(yùn)營人員提供數(shù)據(jù)參考。如圖5-11所示，矩陣分析示例圖也稱象限圖分析法。1.定義第5章：新媒體數(shù)據(jù)的分析視角5.2.6矩陣分析2.實(shí)踐運(yùn)用矩陣分析在解決問題和資源分配時(shí)，為決策者提供重要參考依據(jù)。先解決主要矛盾，再解決次要矛盾，有利于提高工作效率，并將資源分配到能產(chǎn)生績效的部門和工作中，有利于決策者進(jìn)行資源優(yōu)化配置。第一象限（高度關(guān)注區(qū)）屬于重要性高、滿意度也高的象限。對于該象限的服務(wù)項(xiàng)目，公司應(yīng)該繼續(xù)保持并給予支持。第二象限（優(yōu)先改進(jìn)區(qū)）屬于重要性高、但滿意度低的象限。公司必須明確需要做出哪方面的改進(jìn)，做好該象限的服務(wù)項(xiàng)目，可以有效提高用戶滿意度，為公司贏得競爭優(yōu)勢。第三象限（無關(guān)緊要區(qū)）屬于重要性低、滿意度也低的象限。對于該象限的服務(wù)項(xiàng)目，公司應(yīng)該進(jìn)一步關(guān)注用戶對其期望值的變化。第四象限（維持優(yōu)勢區(qū)）屬于重要性低、滿意度高的象限。公司應(yīng)該把在此區(qū)投入的過多的資源轉(zhuǎn)移至其他更重要的產(chǎn)品或服務(wù)方面。第5章：新媒體數(shù)據(jù)的分析視角5.2.7聚類分析聚類分析就是按照個(gè)體的特征將它們分類，其目的在于讓同一個(gè)類別內(nèi)的個(gè)體之間具有較高的相似度，而不同類別之間具有較大的差異性。這樣，就能夠根據(jù)不同類別的特征有的放矢地進(jìn)行分析，并制定出適用于不同類別的解決方案1.定義2.特點(diǎn)（1）聚類結(jié)果是未知的，不同的聚類分析方法可能得到不同的分類結(jié)果，或者相同的聚類分析方法但是所分析的變量不同，也會得到不同的聚類結(jié)果。（2）對于聚類結(jié)果的合理性判斷比較主觀，只要類別內(nèi)相似性和類別間差異性都能得到合理的解釋和判斷，就認(rèn)為聚類結(jié)果是可行的。第5章：新媒體數(shù)據(jù)的分析視角5.2.7聚類分析（1）確定需要參與聚類分析的變量。（2）對數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，這主要是因?yàn)楦鱾€(gè)變量間的變量值的數(shù)量級別差異較大或單位不一致，例如，一個(gè)變量的單位是元，另一個(gè)變量的單位是百分比，數(shù)量級別差異較大，而且單位也不一致，無法直接進(jìn)行比較或計(jì)算“距離”和“相似系數(shù)”等指標(biāo)。（3）選擇聚類方法和類別個(gè)數(shù)；常用的聚類方法包括K均值聚類、層次聚類等。（4）聚類分析結(jié)果解讀。3．聚類分析的步驟5.3預(yù)測分析預(yù)測分析是指自變量為時(shí)間，因變量為時(shí)間的函數(shù)的模式。預(yù)測分析主要包括趨勢平均法、指數(shù)平滑法、直線趨勢法、非直線趨勢法等。趨勢預(yù)測的主要優(yōu)點(diǎn)是考慮時(shí)間序列發(fā)展趨勢，使預(yù)測結(jié)果能更好地符合實(shí)際。第5章：新媒體數(shù)據(jù)的分析視角5.3.1決策樹決策樹是根據(jù)數(shù)據(jù)的屬性采用樹狀結(jié)構(gòu)建立的決策模型，常常用來解決分類和回歸問題。決策樹是在已知各種情況發(fā)生概率的基礎(chǔ)上，通過求取凈現(xiàn)值的期望值大于等于零的概率評價(jià)項(xiàng)目風(fēng)險(xiǎn)，判斷其可行性的決策分析方法，是一種直觀運(yùn)用概率分析的圖解法。由于這種決策分支很像一棵樹的枝干，故稱其為決策樹。1.定義2．決策樹的構(gòu)造構(gòu)造決策樹的關(guān)鍵步驟是分裂屬性。所謂分裂屬性就是在某個(gè)節(jié)點(diǎn)處按照某一特征屬性的不同劃分構(gòu)造不同的分支，其目標(biāo)是讓各個(gè)分裂子集盡可能“純”。盡可能“純”就是盡量讓一個(gè)分裂子集中待分類項(xiàng)屬于同一類別。分裂屬性分為以下三種不同的情況。（1）屬性是離散值，且不要求生成二叉決策樹。此時(shí)用屬性的每一個(gè)劃分作為一個(gè)分支。（2）屬性是離散值，且要求生成二叉決策樹。此時(shí)用屬性劃分的一個(gè)子集進(jìn)行測試，按照“屬于此子集”和“不屬于此子集”分成兩個(gè)分支。（3）屬性是連續(xù)值。此時(shí)確定一個(gè)值作為分裂點(diǎn)，按照“>分裂點(diǎn)”和“<分裂點(diǎn)”生成兩個(gè)分支。構(gòu)造決策樹的關(guān)鍵性內(nèi)容是進(jìn)行屬性選擇度量，屬性選擇度量是一種選擇分裂準(zhǔn)則，是將給定的類標(biāo)記的訓(xùn)練集合的數(shù)據(jù)最好地劃分成個(gè)體類的啟發(fā)式方法，它決定了拓?fù)浣Y(jié)構(gòu)及分裂點(diǎn)的選擇。第5章：新媒體數(shù)據(jù)的分析視角5.3.1決策樹例如，企業(yè)在進(jìn)行新媒體運(yùn)營期間，當(dāng)進(jìn)行廣告投放決策時(shí)，廣告平臺流量、投資回報(bào)率、投資成本，以及用戶需求匹配程度等指標(biāo)都會影響管理者的決策，如圖所示。3．實(shí)踐運(yùn)用第5章：新媒體數(shù)據(jù)的分析視角5.3.2回歸分析回歸分析是通過研究事物發(fā)展變化的因果關(guān)系來預(yù)測事物發(fā)展走勢的，它是研究變量間相互關(guān)系的一種定量預(yù)測方法，又稱回歸模型預(yù)測法或因果法。1.定義2．回歸分析的應(yīng)用場景回歸分析用于在許多業(yè)務(wù)情況下做出決策?；貧w分析有三個(gè)主要應(yīng)用。（1）解釋運(yùn)營人員理解困難的事情。例如，為什么平臺的用戶留存率比上一季度有所下降？（2）預(yù)測重要的商業(yè)趨勢。例如，明年會要求他們的產(chǎn)品看起來像什么？（3）選擇不同的替代方案。例如，企業(yè)應(yīng)該進(jìn)行按單擊付費(fèi)還是內(nèi)容營銷活動？第5章：新媒體數(shù)據(jù)的分析視角5.3.2回歸分析①依據(jù)經(jīng)濟(jì)學(xué)理論并且通過對問題的分析判斷，將變量分為自變量和因變量。在一般情況下，自變量表示原因，因變量表示結(jié)果。②設(shè)法找出合適的數(shù)學(xué)方程式（回歸模型）描述變量間的關(guān)系。③估計(jì)模型的參數(shù)，得出樣本回歸方程。由于涉及的變量具有不確定性，接著還要對回歸模型進(jìn)行統(tǒng)計(jì)檢驗(yàn)，計(jì)量經(jīng)濟(jì)學(xué)檢驗(yàn)、預(yù)測檢驗(yàn)。④當(dāng)所有檢驗(yàn)都通過后即可應(yīng)用回歸模型。3.回歸分析的主要步驟第5章：新媒體數(shù)據(jù)的分析視角5.3.2回歸分析某企業(yè)剛剛完成了一波付費(fèi)流量的推廣，并且此公司的運(yùn)營總監(jiān)認(rèn)為，公眾號的付費(fèi)流量投入（用x表示）與新增用戶數(shù)（用y表示）是正相關(guān)的（數(shù)據(jù)見圖5-14付費(fèi)流量和新增用戶數(shù)），也就是說，花費(fèi)越多的錢去購買流量，也會收獲更多的粉絲。利用回歸分析，我們能求出一個(gè)說明因變量y如何依賴自變量x的方程。利用線性回歸分析，運(yùn)營人員可以擬合出粉絲增長曲線，并給出擬合公式，圖5-22中的Y=0.0099x-2.9219（其中Y為新增用戶數(shù)，X為流量付費(fèi)金額），通過擬合曲線，運(yùn)營人員可以快速預(yù)測出想要吸引一定數(shù)量的新增用戶數(shù)，需要投入多少金額的流量等。例如，運(yùn)營人員想要新增100個(gè)用戶，帶入公式計(jì)算X可知，大約需要投入10000多元的廣告投入。4.實(shí)踐應(yīng)用第5章：新媒體數(shù)據(jù)的分析視角5.3.2回歸分析4.實(shí)踐應(yīng)用付費(fèi)流量和新增用戶數(shù)第5章：新媒體數(shù)據(jù)的分析視角5.3.2回歸分析在給出具體的解讀之前，需要注意以下兩點(diǎn)。第一，當(dāng)系數(shù)估計(jì)顯著時(shí)（相應(yīng)的p值小于顯著性水平），才有解讀的必要；第二，在解讀某一回歸系數(shù)的時(shí)候，不要忘記寫“控制其他因素不變”，這樣才更加嚴(yán)謹(jǐn)。以付費(fèi)流量投入為例，控制其他因素不變，每增加10000元的付費(fèi)流量投入，用戶便會平均增加99個(gè)。需要注意的是，在實(shí)際匯報(bào)的時(shí)候，應(yīng)當(dāng)解讀為控制其他因素不變，付費(fèi)流量投入每增加10000元，用戶平均增加99個(gè)?？偨Y(jié)一下線性回歸模型分析過程，需要關(guān)注模型的回歸系數(shù)的解讀。但這還遠(yuǎn)遠(yuǎn)不夠，我們需要對模型做一些最基本的診斷與改進(jìn)，盡可能地使用更加合理的模型。5.回歸系數(shù)的解讀第5章：新媒體數(shù)據(jù)的分析視角5.3.2回歸分析（1）計(jì)算相關(guān)系數(shù)。第一步：加載“數(shù)據(jù)分析”模塊。先按“Alt+T”組合鍵，再按I鍵，彈出圖5-15所示的“加載項(xiàng)”對話框，勾選“分析工具庫”復(fù)選框和“分析工具庫-VBA”復(fù)選框，單擊“確定”按鈕。6.運(yùn)用excel進(jìn)行回歸分析第5章：新媒體數(shù)據(jù)的分析視角5.3.2回歸分析（1）計(jì)算相關(guān)系數(shù)。第二步：單擊“數(shù)據(jù)”選項(xiàng)卡中的“數(shù)據(jù)分析”按鈕，彈出“數(shù)據(jù)分析”對話框，在“分析工具”列表框中選擇“相關(guān)系數(shù)”選項(xiàng)，單擊“確定”按鈕，如圖所示。6.運(yùn)用excel進(jìn)行回歸分析第5章：新媒體數(shù)據(jù)的分析視角5.3.2回歸分析（1）計(jì)算相關(guān)系數(shù)。第三步：在彈出的“相關(guān)系數(shù)”對話框中單擊“輸入?yún)^(qū)域”右邊的折疊按鈕，在工作表中選擇數(shù)據(jù)區(qū)域“$B$2:$C$12”，設(shè)置“分組方式”為“逐列”，單擊“輸出區(qū)域”右邊的折疊按鈕，在工作表中選擇單元格“$B$14”，最后單擊“確定”按鈕，如圖所示。最終結(jié)果如右圖所示，畫框的為求得的相關(guān)系數(shù)。6.運(yùn)用excel進(jìn)行回歸分析第5章：新媒體數(shù)據(jù)的分析視角5.3.2回歸分析（2）進(jìn)行回歸分析。第一步：打開“付費(fèi)流量和新增用戶數(shù)”工作表，如圖所示。第二步：單擊“插入”選項(xiàng)卡中的“散點(diǎn)圖”下拉按鈕，選擇“散點(diǎn)圖”中的“僅帶數(shù)據(jù)標(biāo)記的散點(diǎn)圖”選項(xiàng)。6.運(yùn)用excel進(jìn)行回歸分析付費(fèi)流量和新增用戶數(shù)第5章：新媒體數(shù)據(jù)的分析視角5.3.2回歸分析（2）進(jìn)行回歸分析。第三步：單擊“設(shè)計(jì)”選項(xiàng)卡中的“選數(shù)據(jù)”按鈕，彈出“選擇數(shù)據(jù)源”對話框，單擊“圖表數(shù)據(jù)區(qū)域”右邊的折疊按鈕，在工作表中選擇數(shù)據(jù)區(qū)域“=付費(fèi)流量和新增用戶數(shù)!$B$1:$C$12”，單擊“確定”按鈕，如圖所示。6.運(yùn)用excel進(jìn)行回歸分析“選擇數(shù)據(jù)源”對話框第5章：新媒體數(shù)據(jù)的分析視角5.3.2回歸分析（2）進(jìn)行回歸分析。第四步：單擊圖表，選擇圖標(biāo)上方的“+”號選擇“添加趨勢線”選項(xiàng)，如下圖所示在“設(shè)置趨勢線格式”對話框中，選擇“趨勢線選項(xiàng)”選項(xiàng)卡，選中“線性”單選按鈕，Excel將顯示一條擬合數(shù)據(jù)點(diǎn)的直線。在對話框下部勾選中“顯示公式”復(fù)選框和“顯示R平方值”復(fù)選框，單擊“關(guān)閉”按鈕，如右側(cè)圖所示。6.運(yùn)用excel進(jìn)行回歸分析“設(shè)置趨勢線格式”對話框第5章：新媒體數(shù)據(jù)的分析視角5.3.2回歸分析（2）進(jìn)行回歸分析。第五步：添加圖標(biāo)題和坐標(biāo)軸標(biāo)簽，最終效果如圖5-22所示。圖5-22所示的回歸結(jié)果表明，每增加10000元的付費(fèi)流量投入，用戶數(shù)便會平均增加99個(gè)。付費(fèi)流量投入和新增用戶數(shù)之間存在明顯的正相關(guān)關(guān)系，即付費(fèi)流量投入越多，新增用戶就越多。6.運(yùn)用excel進(jìn)行回歸分析回歸結(jié)果圖第5章：新媒體數(shù)據(jù)的分析視角5.3.3時(shí)間序列分析時(shí)間序列是指將某種現(xiàn)象某一個(gè)統(tǒng)計(jì)指標(biāo)在不同時(shí)間上的各個(gè)數(shù)值，按時(shí)間先后順序排列而形成的序列。時(shí)間序列法是一種定量預(yù)測方法，亦稱簡單外延方法，在統(tǒng)計(jì)學(xué)中作為一種常用的預(yù)測手段被廣泛應(yīng)用。該方法基于隨機(jī)過程理論和數(shù)理統(tǒng)計(jì)學(xué)方法，研究隨機(jī)數(shù)據(jù)序列所遵從的統(tǒng)計(jì)規(guī)律，以用于解決實(shí)際問題。時(shí)間序列構(gòu)成要素是：現(xiàn)象所屬的時(shí)間，反映現(xiàn)象發(fā)展水平的指標(biāo)數(shù)值。通過對趨勢的分析，可以實(shí)現(xiàn)對未來數(shù)據(jù)變化的預(yù)測。通過對波動的分析，可以發(fā)現(xiàn)過程中的偏差，并區(qū)分是通常原因還是特殊原因引起的偏差，如果是特殊原因引起的偏差，則要立即分析問題成因，進(jìn)行相應(yīng)改進(jìn)。1.定義第5章：新媒體數(shù)據(jù)的分析視角5.3.3時(shí)間序列分析2．實(shí)踐序列特點(diǎn)從預(yù)測角度看，時(shí)間序列具有以下四個(gè)特點(diǎn)。（1）時(shí)間序列按時(shí)間先后順序排列。（2）時(shí)間序列是按一定方式搜集的一系列數(shù)據(jù)。它應(yīng)符合兩個(gè)方面要求。第一，時(shí)間序列中的各個(gè)數(shù)值的間隔應(yīng)當(dāng)是相同的；第二，在每一周期內(nèi)，數(shù)據(jù)采集的起點(diǎn)應(yīng)當(dāng)相同。（3）時(shí)間序列中的觀測值有差異，即時(shí)間序列的每個(gè)數(shù)據(jù)都是在某一個(gè)時(shí)間點(diǎn)上觀測到的隨機(jī)變量，重復(fù)的可能性極小。（4）時(shí)間序列中的數(shù)據(jù)不允許遺漏，哪怕是一次觀測數(shù)據(jù)的遺漏都可能破壞預(yù)測等式。第5章：新媒體數(shù)據(jù)的分析視角5.3.3時(shí)間序列分析3．在Excel中進(jìn)行時(shí)間序列分析（1）在Excel中可以使用折線圖繪制時(shí)間序列圖。例如，左圖是某企業(yè)一年內(nèi)每個(gè)月的新增用戶情況。利用Excel進(jìn)行時(shí)間序列分析操作如下。第一步：選定B1:B13區(qū)域，在“插入”選項(xiàng)卡的“圖表”模塊中單擊“折線圖”命令，如右圖所示。第5章：新媒體數(shù)據(jù)的分析視角5.3.3時(shí)間序列分析3．在Excel中進(jìn)行時(shí)間序列分析第二步：選擇“二維折線圖”中的“帶數(shù)據(jù)標(biāo)記的折線圖”選項(xiàng)，即可看到繪制的時(shí)間序列圖，如圖所示。第5章：新媒體數(shù)據(jù)的分析視角5.3.3時(shí)間序列分析3．在Ex