商务数据分析 案例2 趋势预测法的内容趋势预测法的内容、时间序列、数据采集、数据转置、如何消减用户获取成本

趋势预测法的内容

趋势预测法是指对同一企业的两个或两个以上连续年度财务报表

中的某些项目，或者相关财务比率进行比较分析，判断企业发展趋

势的研究方法，具体包括5个方面。

一、销售趋势

销售是企业最基本的经营活动之一，销售是否活跃从一个侧面

反映了企业的经营能力。企'业的销售量随市场情况的变化而变化，

不同行业中企业的销售特点各不相同，分析人员要充分了解有关客

户所在行业的特点，才能做出正确的分疥。企业自身的销售趋势可

以说明企业的经营状况，通过企业之间销售趋势的比较，分析人员

可以获得更多的有用信息。在销售趋势出现异常的情况下，要仔细

判断形成这种趋势的原因。此外，销售额的增加不一定与销售数量

直接相关，要考虑市场价格的影响。

二、收益趋势

销售收入为企业提供了收入和现金的来源，企业获得的最终收

益要从销售收入中扣除成本和费用。收益趋势是信用分析的另一个

重要因素，要关注销售利润串的变化，对收益趋势要做企业间和行

业间的数据比较。收益趋势与销售趋势具有可比性，在正常情况

下，如果原材料和人工费用稳定，企业的盈利将与销售额同步增

长，但在原材料和人工成本快速增加或者各项费用的增加超出销售

额同步增长的时候，销售额的增长并不意味着利润的增加，如果销

售量的增加是由于大幅度降价换来的，企业也会损失大量的利润，

所以要将销售趋势和收益趋势结合分析。

三、净资产变动趋势

企业净资产是总资产减去总负债后的余额，代表企业所有者拥

有的资产，也代表企业清算后最终能剩下的价值，所以债权人和授

信人十分关注这一指标以及该指标变动的原因和影响。造成净资产

变动的原因一般有以下几个方面：留存收益：股本变化；资产重估

增值；债务减少等。分析人员要仔细分析净资产变动的原因，确定

是否只是表面上的净资产变动，再分析其实质。无论是股本变化引

起的净资产增加，还是资产重估以及债务减少引起的净资产增加，

都只是表面上的净资产增加，往往会掩盖实际亏损的情况，只有留

存收益增加或发行段份引起的净资产增加对企业才是有利的。

四、营运资本变动趋势

营运资本是流动资产减去流动负债的结果，营运资本与客户按时

履行还款义务的能力有很大关系。营运资本的多少，能反映企业短

期偿债能力的强弱，因而其变化趋势应引起关注。营运资木可以满

足企业短期融资的需要，其稳步增长是企业经营良性循环的主要特

征之一，营运资本的需要量与企业不同时期的业务量有很大的关

系。随着业务量的变化，资产的流动性和质量会有很大的变化，尤

其是应收账款和存货的质量，在分析营运资本的趋势时要仔细核

查。

五、财务比率的变动趋势

分新人员通过对财务比串变动趋势的分轿能获得很多的信息，

一些比较重要的比率趋势以及分析方法有：流动比率和速动比率应

保持稳定或稳步上升的趋势；存货周转串应保持平稳，在有较大变

动时应调查其原因；应收账款周转天数应保持下降的趋势：营运资

本周转串的大幅度提高可能表示要增加营运资本，而营运资本周转

率的大幅度下降可能说明企业的流动性受到了严重影响；固定资产

与净资产比率的大幅度增长或稳定增长，可能表示固定资产投资超

出了企业的需要或者融资能力；总负债与净资产比率应保持一个比

较低的水平，这样债权人才能得到更多的保障；销售利润率和净资

产利润串的趋势很重要，它们与企业的发展宣接相关。

如何通过数据分析，提升用户留存

进入互联网下半场，互联网流量竞争愈发激烈。如何才能突出重

围，实现用户和收入增长？这个过程中，留存至关重要。

今天主要通过具体的用户案例，来教同学们如何解读留存数据,

构建留存分析框架，有效地做到用户运营，提高用户留存率。

一、为什么要关注留存

留存，顾名思义，就是用户在我们的网站或者App中留下来，持

续使用的意思。常见的留存指标有次日留存、七日留存率、次周留存

率等等，表示目标用户在一段时间后回访产品或回到产品中完成某个

行为的比例。

如果产品不能留住用户，我们的产品就像一个镂空的篮子，倒入

的水越多流失的也越多，这意味着我们的产品是无法实现可持续增长

的。想要实现产品的可持续增长，用户的留存就是非常重要的一个指

不木。

留存对活跃用户增长有长期影响，在这里我们具体模拟一个产品

增长状况。假设一个产品每周获取一百个新用户，新用户的次周留存

率在60%o

比如说，对比每周用户的次周留存率的绝对值减少3%和1%,即

本周留存率60%,下周留存率为57%,以此类推。

每周的活跃用户构成是本周新用户和之前每周留存下来的老用

户。经过29周后，绝对值减少3%中的之前留存老用户基本上就衰

减为0，而绝对值减少1%中可以看到最早获取的用户仍有部分能在

29周后留下来。对比两种情况，它们的拉新量一致，留存率仅有2%

绝对值的区别，但是29周之后，用户的量的比例为1：2。

通过这个例子就比较为形象的说明了，留存率对于活跃用户量增

长的重要性。

二、留存分析框架

在进行留存分析的时候，我们更多时候要学会做问题拆解,把「提

升留存」这样一个大目标拆解为一个个小的可执行的目标，我们就可

以通过产品优化、运营调整等等方式来实现用户留存提升。

在我们常见的留存曲线中，通常会根据用户的旅程划分出不同的

留存阶段。

短期阶段，我们主要关注用户激活，在这个阶段中，我们需要让

用户迅速低成本地感受到产品的核心价值，快速达到“ahamoment"

（惊喜时刻）。

中期阶段，我们关注老用户的留存提升，这个阶段我们需要打造

好产品的核心功能，培养用户对产品的使用习惯。

长期阶段，我们就要思考产品对用户的长期价值是什么，如何才

能让用户反复体验到产品的价值。

进行留存优化时，只有做好每个阶段的留存分析和提升，留存曲

线才能整体改善

三、案例分析

下面我们就通过具体案例的分析，来讲讲我们应该如何解读留存

数据，提升用户留存。

案例：降低新用户上手成本，提升新用户留存

有一个泛娱乐类的App,主要是给用户提供内容消费，而且带有

一定的社交属性，因此用户的日活跃人数和留存人数就十分重要。根

据这个产品目前的留存数据，产品团队认为他们的新用户留存还有很

大的提升空间，想要通过数据分析的方式找到增长着力点。

1、了解新用户留存现状

首先，我们需要了解新用户的留存现状进行分析，因为对于产品

经理来说，评估一个产品的状态，都是进行产品优化之前不可回避的

环节。

通过对新访问用户和全部访问用户的留存曲线对比分析，我们会

发现新用户的留存明显低于全部用户，那么从这个角度来说，新用户

的留存就是很大的一个增长点。

刚刚我们讲到，对于新用户来说，Onboarding上手激活的环节非

常重要。能否让用户在第一次使用产品时就能迅速低成本地感知到产

品价值，决定了新用户的激活率。

2、确定激活目标

谈到激活，我们常常会讲到FAhaMomentJ,即用户体验产品时

发现核心价值并产生重复使用动力的惊喜时刻。不同产品的「Aha

Moment」也有所不同，比如Linkedln是一周添加5个社交关系，

Facebook是10天内添加7个好友。

产品经理需要根据自己的产品，来找到用户的AhaMoment,帮

助用户尽可能快地触达产品价值。首先我们需要知道哪些功能可能使

新用户感受到产品价值，可以利用GrowinglO的留存分析功能，对

使用过不同功能的用户留存率进行分析对比，找到留存率最高的产品

功能。

通过对比不同功能的留存率，找到新用户使用后留存率有明显提

升的功能，再结合新用户上手功能成本的高低，来进一步缩小范围确

定新用户的激活目标。

3、评估新用户激活状况

确定好激活目标后，我们可以开始评估新用户的激活状况，有针

对性地对不同的用户进行运营。在这个案例中，新访客有30%未激活，

对于这部分用户我们要做的事情就是提升激活率；其余已激活的新访

客，和老访客优化的方向有点类似，就是如何去提升留存，让他们持

续使用产品。

渠道是用户旅途的起点，不同渠道过来的新用户会有一定的差异,

他们访问意图或者目标都可能不一致。因此，我们可以看看不同渠道

的新用户激活状况。这里我们可以从新用户激活比例和留存率来看下

不同渠道用户的差异。

可以发现，有的渠道激活率和留存率都低，那么就可能是渠道人

群对产品的需求匹配度低，这部分情况更多的是需要对渠道进行调整;

有的渠道，可能是激活率低但激活留存率略高于整体，那则可能渠道

用户较为精准，这需要进一步研究业务数据。

4、激活时间与留存影响

对于未激活的新用户，什么激活时机比较重要，未激活的用户对

留存有怎样的影响？

从上面这张图里我们会发现，新用户的激活时机应该越快越好。

绿色的曲线是当天来了被激活的新用户，下面这条红色的线是当天来

了没有被激活的新用户。可以发现红色这条线的留存是非常非常低的,

也就是说，如果一个新用户没有在使用产品的第一天完成激活行为，

那么他流失的可能性会非常的高，基本上默认为流失。

所以在说到新用户的激活时，基本上指的都是在用户进入产品的

当天，就能完成核心行为，认识到产品的垓心价值。

5、新用户激活功能分析

如何在产品内提升新用户的激活？在问这个问题之前，我们可以

思考一下，为什么新用户没有被激活，他们是在哪里流失掉的？这样

我们才能找到用户流失的关键步骤进行优化。

我们可以根据新用户激活的主要路径构建漏斗，通过漏斗的每一

步转化数据可以定位到新用户激活的主要流失环节，并结合用户分群

与细查等工具进一步剖析流失原因。

在第一个主要流失环节，我们通过用户分群筛选出这个环节没有

被激活的新用户，通过用户细查来查看这些新用户的行为轨迹，可以

发现一半以上的访客都是在注册登录的环节流失的。从典型的用户行

为轨迹可以发现很多用户都卡在了登录注册这个步骤，他们根本就没

有去接触到实际的激活环节。

那么对于这部分用户的激活优化，我们就可以将激活步骤提前,

不需要注册/登录，进来就可以看到内容。

在第二个主要流失环节中，我们发现小部分用户已经到达了列表

页，也就是说触达到了实际的激活步骤，但他们却没有点击具体内容,

是不是列表内容对用户的吸引力不够？这个列表是由用户关注、产品

推荐等多个内容组成的，可能是列表中用户关注产生的内容较少，那

么我们需要对关注行为进行更好的引导，提升内容对用户的吸弓I力。

针对这样的流失情况，我们对产品进行了一个调整将激活步骤提

前，可以发现新用户留存有明显提升。但具体来说，原来没有接触

到实际激活步骤的访客中有一半都已经成功被激活，上线后新用户的

留存率也有明显提高。

回顾一下，提升用户留存主要有两大方法：一是提升新用户的留

存率，二是提升不同产品功能的留存。只有通过不断的优化和测试,

才能达到提升留存的目标。

如何削减用户获取成本

许多创业公司都乐于尝试通过渠道监测来发现下一个引爆点。然而在我们

测试用户获取渠道前，需要问自己一个最重要的问题：该花多少钱获取用户？

没有人想要在无效果的渠道投放无意义的广告。因此我们都需要一些判断

标准：什么样的渠道更优质？有什么办法可以帮助我们快速了解用户？获取用

户的有效方法有哪些？有哪些工具和量化方法值得借鉴？

在获得以上核心问题的结论之前，需要先理清如下3个概念:

1.付费客户在他的生命周期总价值是多少？

所谓的生命周期总价值，即用户从第一天使用产品到最后一次登录期间，

为你的产品带来的收入总和。

我们完全可以通过一个简单的公式来计算客户生命周期内的总价值：

LTV=（付费用户月均消费-毛利）/流失率

2.付费用户比例

当付费客户的生命周期总价值有一定保证后，提升付费用户比例，就将成

为提升公司应收的有效途径。

付费用户比例二，寸费用户数/注册用户数

3.访客注册成功比例

通过简单的注册率渠道分析，你可以得知各个渠道用户在landingpage±

的注册转化率（或App的渠道下载转化率）：

访客注册成功比例二注册用户数/渠道访客数

现在我们已经计算了三个数值：用户生命周期价值、注册付费率、访客注

册率，那么我们就可以很清楚地知道获取一个新用户的成本是多少，获取一个

付费用户来访又需要多少钱。

接下来的5个步骤，将解决我们最开始的疑问：有哪些方法与工具可以帮

助我们深入了解并获取新用户呢？

步骤1：用户获取成本计算

除去在电商平台上的（每笔成单的成本），另外两个核心的成本指标是：

CPA和CPC。CPA计算的是获取一个用户注册的成本，是获取一个点击到站的

成本。

1.获取一个付费用户的成本

CPPC：单个付费用户的获取成本

LTV：用户生命周期价值（基础问题1）

CPCC=LTV/3

用户生命周期价值的1/3是你获取一个付费用户的成本的上限。

在测试新的渠道的时候可以不受这个限制。但是当你发现了一个还不错的

渠道时，你的优化目标就是将成本降低到LTV的五分之一。

2.对于一个用户注册应该花费多少的成本？

单用户的获取成本

CPPC：单付费用户的获取成本

CR：注册用户的付费转化率（基础问题2）

CPA=CPPC*CR

如果你的注册用户中有部分是免费或试用用户，在计算获取单个用户注册

时需要考虑这个额外的因素。

注意：有些面向企业服务的公司，他们的收费是远远高于自助服务的。在

这种情况下需要将自助服务向企业服务转化的转化率考虑进来，此时企业服务

的获取成本公式将为：

自助CPA*企业服务转化率*（企业服务LTV/3）

步骤2：计算单个到站流量的成本

通常广告平台会让你选择一个单词点击的最高竞价，而并不让你按照实际

获得的注册数来支付广告费。这就是基础问题3中“访客注册率”存在的价

值，它将帮你了解这些渠道流量中有多少能转化为注册用户。

CPC：单个点击的成本

CPA：单个用户注册的成本

CR：注册率（基础问题3）

CPC=CPA*CR

这个公式将告诉你每个用户获取的成本。借此你可以一目了然的查验真实

的用户获取成本.看看到底是赚了还是赔了“

步骤3：优化你的渠道

以上的公式告诉你该如何支配预算，而事件跟踪、分析和归因工具将帮助

你持续优化渠道的用户获取成本。

比如说：通过百度的带来用户的成本，可能会比通过SNS推广（微博、知

乎等）更高。作为一个高级的运营人员，每个渠道注册用户的LTV值都是必须

被考量的，它们将决定渠道的选择。

通过上述公式，你只需要输入相关的数字，就可以轻松地评估各个渠道。

请注意，以上计算需要有足够的流量作基础才有统计意义。如果发现某个特殊

平台的用户LTV值太低或获取成本太高，则可以弃用该渠道。又或者你发现了

一个便宜的渠道，也不妨任性一把。

步骤4：相关工具

1.A/B测试

A/B测试本质上是个分离式组间实验。通过建立一个测试页面，这个页面

可能在标题、字体、背景颜色、措辞等方面与原有页面有所不同。然后将这两

个页面以随机的方式同时推送给所有浏览用户。接下来分别统计两个页面的用

户转化率，即可清晰的了解到两种设计/创意的优劣。

以前进行A/B测试的技术成本和资源成本相对较高，但现在一系列可视化

工具的出现，如:Optimizely>Leanplum^Taplytics等，使A/B测试逐渐成

为运营策略优化的常用方法。

2.营销自动化

即由事件驱动的邮件和通知服务,像Customer,io、Outbound>vero和

Kahuna等工具就可以帮助开发者优化用户激活的流程，通过个性化的交互内容

和实时交互通道来提升注册用户的购买率。

3.归因分析

如果你做了大量的活动，监测活动的转化率和花费有很多的小技巧。移动

APP的数据跟踪工具是最好的工具。GA和国内类似友盟、诸葛io、等工具都可

以很方便的告诉你那个渠道的表现更好。

步骤5：整合平台

在团队规模有限时，确定一个方便易用的平台型工具来获取以上所有计算

需要的数据，然后将这些数据分发到相关的分析工具。这些数据分析平台的好

处在于，只需完成一次嵌入开发，你可以随时查验运营所需的数据、随时切换

不同的统计分析方法。无论是对于团队内部协作的优化、还是对运营策略效率

的提升，这都是一个最省时的方式。

如何依靠及利用数据分析来提高竞争力

【案例背景】

五一期间，哪些型号的卫生洁具需要打折促销？打多大折扣企业效益才能达到最高？"

"3G即将开通，我们该重点向谁推销？""可透支的信用卡发给哪些人才不会赖账？"这些

问题，任何单一的信息系统都无法"回答"，这时候就需要把多个业务系统的数据整合一起，

建设数据仓库，进行横向分析，从而实现精确营销、精确决策。浙江电信、中国建设银行、

兴业银行、默洛尼卫生洁具公司等正在利用收集、分析数据的卓越能力，找出最有价值的客

户、精确预测产品生命周期等，从而实现精确营销、精确决策。它们是怎么做的呢？‘精确

营销的本质是，先对客户进行分群，分析不同客户群的消费行为和消费习惯，然后根据不同

消费行为有针对性地设计营销套餐r

“科学算命”

去年夏天，宁波电信挂出了彩铃业务。刚开始宁波电信的主要推广方式是由社区经理通

过97系统的客户资料给每个客户打电话，客户经理每天要打几百个电话。由于缺乏针对性，

这种“全面撒网”式营销的成功率只有7%左右。后来，通过对潜在彩铃用户资料进行分析、

归类、定位后，从20万潜在客户中挑选出10%购买可能性较高的客户，进行有针对性的外

呼，成功率高达40%。宁波电信是如何实现精确营销的呢?

这得从宁波电信的MR（市场营销再造）项目说起。去年1月20日，中国电信市场营

销再造项目宁波MR项目试点正式启动，核心任务是变地毯式营销为精确营销。长期以来，

电信企业实行的是地毯式营销，要么不优惠，要么给23万用户全优惠。如何对23万公众

用户进行针对性营销？浙江电信企业信息化部副经理沈跃明发现，精确营销的核心障碍是缺

乏一套准确的客户数据仓库和对应的客户分群模型。沈跃明说:"精确营销的本质是，先对客

户进行分群，分析不同客户群的消费行为和消费习惯，然后根据不同消费行为有针对性地设

计营销套餐r

于是，沈跃明和宁波电信局营销中心副总监兼市场拓展部经理毛宁飞建立了数据支撑小

组，整个2月份都在进行数据准备工作。他们首先通过数据仓库建立了包括243张表的宁

波数据视图，然后又根据用户呼叫行为、数据业务使用行为等客户特征提炼出39张关键表

和337个变量。据介绍，宁波电信把客户行为分为呼叫行为和价值行为两个变量，然后画

一张拓扑图，根据每个客户的呼叫行为数据和价值行为数据在拓扑图上不停地打点;这时发

现很多客户的呼叫行为或价值行为很相近，很多点打在了一起，累积起来就逐渐形成了一座

座"小山"，于是又根据这些“小山”进行客户分群。

沈跃明和毛宁飞把宁波电信的客户分为11个客户游如传统长途偏好群、经济商务群、

网上冲浪群等;然后，根据每个客户群的消费行为，分析其客户特征和需求偏好。数据挖掘发

现，宁波有一部分客户宽带的使用量非常高，而且对价格不敏感，客户流失率也很低，沈跃

明和毛宁飞把这个人群称做网上冲浪群。进一步的数据挖掘发现网上冲浪群的显著特征是，

一般在30岁左右，收入普遍较高，对互联网有着强烈的偏好，而且对新事物的接受能力较

强，但对产品质量要求很氤沈跃明说："如果将来开通3G业务,网上冲浪群将是最先推的

第一波客户。"

在推广彩铃业务过程中，宁波电信通过MR工具先对客户数据仓库进行关联分析，对类

型基木一致的客户进行“聚类分群"，形成统一的客户视图;然后用IDM(IntelligenleData

Mining)等数据挖掘工具对客户列出多条聪明变量，如:月平均费用、区内费用、是否特定机

型、是否有小灵通短信功能、年龄、性别等;再通过均值等算法对各种聪明变量建立购买概率

模型，按照概率对客户列表进行排序，选择购买可能性较高的用户作为目标客户，营销的成

功率得到了很大提升。原来营销人员须对20多万客户进行地毯式营销，20人的营销团队

需要200天时间成功率仅为7%;使用预测模型后营销人员只需挑选购买可能性高的10%

即20000客户进行营销，20人的营销团队只需20天的时间，成功率则提高到了40%。

此外，在数据挖掘过程中沈跃明还发现了很多颇有价值的客户群，使得企业对当前的竞

争态势有了准确认识。例如，一些老人购买小灵通后只接电话不打电话，对浙江电信来说就

是每月收月租费，以传统眼光看这个人群没有拨打行为，ARPU其（每户平均收益）值肯定

是很低的，属于限制发展的业务。但把小灵通、固定电话等产品数据集成在一起，挖掘发现

这些老人用小灵通接很多外地电话，而且是外网移动电话打进来的。按照协议，移动电话通

过中国电信的网关，每通话一分钟中国电信可以赚6分钱，如果每个电话打10分钟、每月

接30个电话，每部小灵通每月可以为浙江电信赚18元钱，有时候还不止18元。这些用户

对浙江电信来说，虽然收入很低，但价值是中等的。进一步数据挖掘发现，这些老人家里还

装了固定电话和宽带，而且经常用浙江电信的IP卡打长途电话。沈跃明说："把这些业务统

一算在一个客户的头上，其ARPU值是很高的「

后来，为了推广用数据分析去竞争的策略，沈跃明等数据仓库项目组又简化了数据挖掘

过程，从337个变量中找出十几个关键变量来，然后用计算公式把一些常用的计算方法固

定下来，形成某个专题应用的计算方法。项目组把这些关键变量称做"聪明变量"，例如对

180的投诉次数就是挖掘最易流失客户的聪明变量，区为客户除非在忍无可忍的时候才会

打180投诉。目前，浙江电信数据仓库项目和项目一道共总结了11个套餐模型算法，沈跃

明经常开玩笑说："这11个算法是科学算命、如今，浙江电信的木地网要设计业务套餐，

只需要根据省公司提供的11个算法来修改参数即可。嘘挖掘主要解决三方面的问题一是

找出最有价值的客户、最易流失的客户和满意度最高的客户;二是分析他们的消费行为和消

费习惯;三是推出有针对性的产品和服务，实现从以产品为中心到以客户为中心的转变.

【案例分析】

举例说明宁波电信的案例中用到了哪些数据芝掘的方法，这些方法解决了什

么问题？

客户数据仓库进行关联分析，对类型基本一致的客户进行〃聚类分群"，形

成统一的客户视图;然后用数据挖掘工具对客户列出多条聪明变量，如:月平均费

用、区内费用、是否特定机型、是否有小灵通短信功能、年龄、性别等;再通过均

值等算法对各种聪明变量建立购买概率模型,按照概率对客户列表进行排序，选

择购买可能性较高的用户作为目标客户，营销的成功率得到了很大提升。

分类分析:沈跃明和毛宁飞把宁波电信的客户分为11个客户群，如传统长途

偏好群、经济商务群、网.上冲浪群等;然后，根据每个客户样的消费行为，分析

其客户特征和需求偏好。数据挖掘发现，宁波有一部分客户宽带的使用量非常

高，而且对价格不敏感，客户流失率也很低，沈跃明和毛宁飞把这个人群称做网

上冲浪群。进一步的数据挖掘发现，网上冲浪群的显著特征是，一般在30岁左

右,收入普遍较高，对互联网有着强烈的偏好，而且对新事物的接受能力较强,

但对产品质量要求很高。

聚类分析:在数据挖掘过程中沈跃明还发现了很多颇有价值的客户群，使得

企业对当前的竞争态势有了准确认识。例如，些老人购买小灵通后只接电话不

打电话，对浙江电信来说就是每月收月租费，以传统眼光看这个人群没有拨打行

为，其ARPU（每户平均收益）值肯定是很低的，属于限制发展的业务。但把小灵

通、固定电话等产品数据集成在一起，挖掘发现这些老人用小灵通接很多外地电

话，而且是外网移动电话打进来的。进一步数据挖掘发现，这些老人家里还装了

固定电话和宽带，而且经常用浙江电信的IP卡打长途电话。沈跃明说："把这些

业务统一算在-一个客户的头上，其ARPU值是很高的。

【案例启示】

数据挖掘项目成功的关键是，在前期，要准备数据，确定主题。分析客户当

前迫切需要解决的问题，然后分析解决这些问题需要哪些信息，这些信息存诸在

什么地方等，最后才根据客户业务需求和数据支撑能力共同确定数据挖掘的主题。

另一方面，关注竞争对手的动态及收集数据的范围与具体内容，知己知彼。

如何用SPSS进行连续变量频率分析

例子：对变量“年龄”进行分析。

打开数据文件，【分析】一【描述统计】一【频率】

分析(A)直销(M)图形(G)实用程序(U)窗口(亚

科报告(P)►

描述统计(E)►3频率(F)...

定制表(B)►田描述⑻…

比较平均值(M)►A探索(E)…

一般线性模型(G)理交叉表(C)...

广义线性模型(Z)分析

2TURF

混合模型(X)E比率(R)...

H

R相关(C)固P-P图…

-

回归(R)国Q-Q图…

u

f对数线性(0)

f

l神经网络(W)

一

一分类(F)

降维(D)

标度(A)

非参数检验(N)

时间序列预测(T)

—

生存分析(S)►FEE-

多重响应(U)►

国缺失值分析(Y)...

825.5

多重插补

51(T)►3.9

1C复杂抽样(L)►7.4

3(匿模拟⑴…7.4

4(质量控制(Q)►工6

95QR0C曲线(V)…5.1

2(空间和时间建模(S)...►5.3

31114./I1H./|iuO.0

选择要分析的变量“周岁年龄”

频率

变量(V)：

左)RESPID.被访者../Q3.周岁年龄(Q3J

所在的城市[...

%Q2.性别[Q2]

夕Q4.最近三个月…格式(F)...

髭)数码产品[Q5,01]

样式(L)...

£小家电[Q5_O2]

W服装(Q5.O3]

自助抽样(B)...

晶鞋类(Q5,04]

是:黄旬icvnvi

Q显示频率表(D)

?重置(R)粘贴(P)取消施足.

【统计】【图标】适用于对连续变量的频率分析，不适用于

分类变量的频率分析，因此此处需要对【统计】【图标】进行

相关设置。

••皴率：统计

所百分位值I

集中趋势

性

a四分位猛(Q)

Q平均值(M)

计⑸…

分割点(U)：相等组Q中位数(D)

图表(。…

百分位数(P):Q众数9)

添加(A)总和6)格式(F)…

更改(C)样式(IX.

性除去(M)自助抽样(B)…

值为组的中点(L)

分布

偏度(W)确定

Q方差(V)最大值w峰度(K)

Q黄图(N)标准误差平均值(E)

7取消

【统计】相关设置

第一区域：百分位值

百分位值主要用于对连续变量数据离散程度的测量，常用的百

分位值一般是四分位数。

它是将变量中的数据从小到大排序之后，用三个数据点将数据

四等分，于这三个点相应对的值称为四分位值。由于是等分整个数

据，这三个数据点分别位于数据的25%（第一四分位数）、50%（第

二个四分位数，也就是中位数）、75%（第三四分。位数）。

我们还可以自定义白分位数，如十分位数就是用九个数据点将数据

十等分。

第二区域：集中趋势

集中趋势反应了数据向其中心值聚集的程度，是对数据概括性

水平的一般性度量，主要通过平均数、中位数、众数来表示。

瓶标中位败■

定义M大平均■界二四分田@士俎次数«|多的数值

充分利用全郎致惠不爻位&的阳充装不受极津效露毒总

号&・松修祖家M・虐思■不充分魁很信息■不充分

造用矣*定2L定比数9定月k定后.案要、走序取第

优劣势：是否受极端数据影响，是否充分利用数据

第三区域：离散趋势

离散趋势反映了数据远离中心值的程度，是衡量集中趋势对整

个数据的代表程度。

离散趋势越大，说明集中趋势的代表性越低，即第二区域的平

均数、中位数等越不靠谱；反之离散程度接近于0,说明集中趋势

代表性越高。

数据的离散程度主要通过范围、标准差、方差来表示

焉，ms方■靶标

*义故事中■大俱《］■小值的卦方差各故霰%均僮・茶的中方和的均。

tsAX方差的平方卷

（t»itWM®.割■国解而照厂;，

K9）日易詈根消XY痢MBH..-薪，18从正5；♦京.有朗显的修IMJIB时不驾以便用

I

好处：方差和标准差对染能准确反应数据的离散程度

限制：需要服从正态分布

第四区域：分布特征

不常用

我们通常会考量数据是否服从正态分布，偏度和峰度可以反映

数据偏离正态分布的程度。

偏度和峰度接近于0,说明数据越符合假定的正态分布。

【图标】相关设置

针对不同类型的数据及分析目的输出不同的图标

条形图：适用于表现数据分布

饼图：适用于表现数据结构

直方图：适用于连续数据

由于连续数据可以测量数据是否服从正态分布，所以在直方图

下有勾选“在直方图中显示正态曲线”，勾选后可以一并输出正态

曲线图。

：图表

频率

)...

器统计(S

心

毋

夕

)…

格式(F

a

&

)...

样式(L

d

&

W

...

样(B)

自助抽

A

图表值

✓

(C)

百分比

率(F)

•频

确定

取消

7

取消

C)

继续(

；卜~I

有公

田，

%I

右八

I右盘

卜卜

有八

:

差别

图的

直方

图和

条形

一下

们说

，我

此处

说到

(妇1

数据

连续

展现