http://webdataanalysis.net/web-quantitative-analysis/secret-of-kpi/ 通过网站分析与数据分析实现网站优化 Tue, 21 Apr 2015 08:18:18 +0000 hourly 1 http://wordpress.org/?v=3.5.1 http://webdataanalysis.net/web-quantitative-analysis/secret-of-kpi/#comment-1397 joegh Sat, 12 Oct 2013 03:27:39 +0000 http://webdataanalysis.net/?p=935#comment-1397 @jenny: 这里的权重根据基数的大小来确定，因此对基数进行标准化之后就可以转化为权重，同时用（1-权重）对均值进行赋权。

]]> http://webdataanalysis.net/web-quantitative-analysis/secret-of-kpi/#comment-1396 jenny Wed, 09 Oct 2013 08:16:44 +0000 http://webdataanalysis.net/?p=935#comment-1396 @joegh: 不太懂。这样只是对数据进行了标准化，如何定的权重呢？

]]> http://webdataanalysis.net/web-quantitative-analysis/secret-of-kpi/#comment-1395 网站关键指标背后的秘密 | 钛媒体网 Mon, 23 Sep 2013 01:10:10 +0000 http://webdataanalysis.net/?p=935#comment-1395 [...] 来源： 《关键指标背后的秘密》 [...]

]]> http://webdataanalysis.net/web-quantitative-analysis/secret-of-kpi/#comment-1394 joegh Thu, 24 May 2012 05:31:15 +0000 http://webdataanalysis.net/?p=935#comment-1394 @joshua: 你好，其实这里的期望值原先的应用主要是当细分项很多时，可以根据期望值进行排序选择前几的。但如果实际观察数据时可以结合基数来看，因为即使期望值用了一定的算法消去了基数带来的置信度过低的影响，但当基数过小时，期望值趋向均值还是基于所有的值最终都会偏向均值靠近的假设，这个假设对有些数据不一定成立，所以结合基数来看，基数越小，这个数据之后可能出现的波动就会越大。

]]> http://webdataanalysis.net/web-quantitative-analysis/secret-of-kpi/#comment-1393 joshua Thu, 24 May 2012 04:15:03 +0000 http://webdataanalysis.net/?p=935#comment-1393 很好的文章，受益匪浅。另外想请问一个问题。在如文中的案例中，每个不同渠道分别计算出期望值之后。如何看待这个期望值？或者说如何利用期望值来做决策？
例如，我要选择一个广告投放渠道的时候，是不是应该选择期望值较高的那些渠道（只看期望值）？

]]> http://webdataanalysis.net/web-quantitative-analysis/secret-of-kpi/#comment-1392 时间因素对于数据分析的影响 — SEM KNOWLEDGE BASE|搜索营销智库 Tue, 10 Apr 2012 17:05:35 +0000 http://webdataanalysis.net/?p=935#comment-1392 [...] 　　发现这个问题是在一个数据提取的需求中，网站每天会发布很多新的内容，这些新的内容需要进行推荐，不然就会被埋没，所以很多网站都会有“最新推荐”之类的模块，而这个数据需求就是分析应该推荐哪些新内容？网站新发的内容质量参差不齐，而且数据积累较少，而推荐模块需要放置那些有潜力的新内容，以便潜力充分发掘后成长为热门内容，所以数据分析要做的就是去寻找那些有潜力的新发内容。如果是TOP10的推荐榜单，最简单的做法就是根据新内容的访问量或者转化率进行排序选前十，但其中有很多值得注意的地方，关于转化率需要注意的地方可以参考关键指标背后的秘密这篇文章，这里主要讨论如果以内容的访问量进行排序，如果选择近一周的汇总数据，我们需要注意什么？也许你已经想到了，之所以这里举例新内容，是因为新内容有一个发布时间（Publish Time），就像一个人的出生日期，而从发布时间到当前的时间间隔就是内容的持续时间，也可以认为是内容的生命期（Lifetime），就像一个人的年龄。内容的持续时间越长就获得越多的数据积累，相应获得高访问量的机会就越大，如果我们比较一周中在不同时间发布的内容在该周的总访问量，那些就会掉入错位比较的陷阱，或者叫“Mismatch”。 [...]

]]> http://webdataanalysis.net/web-quantitative-analysis/secret-of-kpi/#comment-1391 不得不考虑的时间因素 | 起信 Wed, 28 Mar 2012 13:14:01 +0000 http://webdataanalysis.net/?p=935#comment-1391 [...] 　　发现这个问题是在一个数据提取的需求中，网站每天会发布很多新的内容，这些新的内容需要进行推荐，不然就会被埋没，所以很多网站都会有“最新推荐”之类的模块，而这个数据需求就是分析应该推荐哪些新内容？网站新发的内容质量参差不齐，而且数据积累较少，而推荐模块需要放置那些有潜力的新内容，以便潜力充分发掘后成长为热门内容，所以数据分析要做的就是去寻找那些有潜力的新发内容。如果是TOP10的推荐榜单，最简单的做法就是根据新内容的访问量或者转化率进行排序选前十，但其中有很多值得注意的地方，关于转化率需要注意的地方可以参考关键指标背后的秘密这篇文章，这里主要讨论如果以内容的访问量进行排序，如果选择近一周的汇总数据，我们需要注意什么？也许你已经想到了，之所以这里举例新内容，是因为新内容有一个发布时间（Publish Time），就像一个人的出生日期，而从发布时间到当前的时间间隔就是内容的持续时间，也可以认为是内容的生命期（Lifetime），就像一个人的年龄。内容的持续时间越长就获得越多的数据积累，相应获得高访问量的机会就越大，如果我们比较一周中在不同时间发布的内容在该周的总访问量，那些就会掉入错位比较的陷阱，或者叫“Mismatch”。 [...]

]]> http://webdataanalysis.net/web-quantitative-analysis/secret-of-kpi/#comment-1390 行走在互联网路上——UE之旅 » T检验和卡方检验 Wed, 14 Dec 2011 14:36:59 +0000 http://webdataanalysis.net/?p=935#comment-1390 [...] 关键指标背后的秘密 Leave a comment [...]

]]> http://webdataanalysis.net/web-quantitative-analysis/secret-of-kpi/#comment-1389 joegh Wed, 11 May 2011 09:10:41 +0000 http://webdataanalysis.net/?p=935#comment-1389 @xiaoqin: 均值确实会受到异常值的影响，但也要看具体的数据环境，出现异常值很多时候是受脏数据的影响，所以在进行分析前数据的清理是必需的；另外往往我们在基于样本的统计里面需要排除异常值，但这里介绍的是基于总体的KPI，基数足够大的情况下异常值的影响可以忽略；同时类似网站转化率这种指标一般保持稳定的趋势，这个看下网站的每日报表就知道了。
所以基于这些前提这里使用均值应该没有问题，当然如果要剔除异常值的影响也可以使用中位数或者众数这些统计量。
另外电子商务里面有个非常关键的指标——客单价，就是每个顾客或者每个订单的销售额均值，所以在电子商务数据分析里面并不是避免使用均值，如果在保证数据的质量，指标的定义合理的前提下，往往均值的使用对于分析而言是十分有效的。

]]> http://webdataanalysis.net/web-quantitative-analysis/secret-of-kpi/#comment-1388 xiaoqin Wed, 11 May 2011 08:51:48 +0000 http://webdataanalysis.net/?p=935#comment-1388 期望值（Excepted Value）=权重（Weight）×真实值（Actual Value）+（1-权重）×均值（Average Value）
这里用均值合适吗，均值受异常值影响比较严重，电子商务数据分析中，一般都避免使用均值来衡量，这里博主使用均值是基于什么来考虑的呢？

]]>