电商数据分析之移动平均数的应用

摘要: 当你面对一个高频的运营数据时,如何更直观地观察趋势,如何动态地去发现运营当中的问题,如何做出更精准的预测?移动平均数或许是一个值得关注的工具,或者说是一种思维方式。

当你面对一个高频的运营数据时,是否因繁杂的波动而眼花缭乱?但当你降低其频率(如将日度数据取为月度平均)时,是否又为丢失了动态信息而感到惋惜?如何更直观地观察趋势,如何动态地去发现运营当中的问题,如何做出更精准的预测?移动平均数或许是一个值得关注的工具,或者说是一种思维方式。

假设一个数值序列,我们将第一至第七个数值计算一次算数平均数,再将第二至第八个数值计算平均数,之后是第三至第九个数,以此类推,这样计算出的一连串平均数,就是这个序列的7期移动平均数。当然,期数不一定是7,由实际情况而定。

动态地衡量问题,是移动平均数最大的特点,它会带来哪些好处?我们试举一二。

更好的观察长期趋势

某产品从5月-10月每天的访问情况

如图1,某产品从5月-10月每天的访问情况,这个数值的周期波动非常明显,要从中观察长期的趋势并不容易。那么我们可以用移动平均数来消除周期波动的干扰,以便观察长期趋势。

我们先做7期移动平均数。为什么是7期?因为观察访问数的波动会发现,7天是它的波动周期,而以周期值作为移动平均值,是消除波动干扰的最优方式。图中橙色的线条便是7期移动平均序列。我们发现,访问数在5月呈下降趋势,6月上涨后持续稳定,直到9月下旬开始出现波动,并有上涨的趋势。

仔细观察,橙色线条依然有周期性的波动,尤其是在10月份,且粗略估计周期为30天左右。于是我们再计算一条30天移动均线,即绿线。绿色的30天移动平均数已经非常平稳,可以认为只剩下了长期趋势。从10月份开始,访问量有了一个整体上涨的状态。

用EXCEL便能计算各种移动期的平均数,原始序列做成折线图后,点击“图表工具→布局→趋势线→其他趋势线选项→移动平均数”在里面设置好“周期”数。

锁定出现问题的节点

成交率的波动情况

图2展示了该店铺成交率的波动情况。与访问数类似,成交率也呈现7天的波动周期。我们对其做了7期和30期的移动平均。两条平均线不仅能够反映出长期趋势,还能帮助我们找到一些分析的节点。这些点便是两条移动平均线的焦点。

这种方式是金融分析中技术分析流派的惯用伎俩。虽然效果不敢恭维,但这种分析的切入方式是值得借鉴的。我们从短期移动均线和长期移动均线的交点入手,能够使分析更为精确。比如,九月底至10月初成交率快速上涨,为什么?最直观的解释是,国庆假期期间,店铺进行了促销活动。但仅此而已吗?我们再观察图1,九月底至十月初访问数量却是下降的,那么成交率的升高到底是访问数下降(分母减小)所致的,还是交易数量增加所致?(分子增大)。

在结合成交量数据后,我们得出结论,在“十一”活动的预热阶段,访问量快速上涨,但因为活动时才有降价,因此成交量被转移到“十一”期间,导致九月中旬的成交率下滑。“十一”之后,由于活动增加了曝光度,访问量持续上涨,可价格恢复到了活动之前,不再有吸引力,因此成交率持续下降。可见,就该商家来说,访问量相对于促销活动是有滞后的。正确的做法是,不要仅依据假期时间来确定活动时间,而应该向后延长。

当然,该商家整个十月都是访问量上升,成交率下降的趋势,这不仅仅是价格导致的,也许是流量的质量变差了,也许是新客户增加了,也许产品不够给力,也许是成交在往“双十一”转移,总之各种因素,需要更多的数据来支撑分析。

移动平均数除了上述两种应用外,预测是其另一大功能,我们会在下篇文章中阐述。

(注:计算移动平均数会导致数据信息的丢失,在图中已有反应,比如,要做7期移动平均,那么序列必须大于8个数值。因此,若要实现有效的趋势判断,序列长度必须足够大。)

【作者:胡晨川,天下网商数据分析师。本文精选自i天下网商,由钛媒体编辑整理】

技术控是百度新闻与钛媒体合作,专门为技术爱好者打造的栏目

本文系作者 精选 授权钛媒体发表,并经钛媒体编辑,转载请注明出处、作者和本文链接
分享到:

第一时间获取TMT行业新鲜资讯和深度商业分析,请在微信公众账号中搜索「钛媒体」或者「taimeiti」,或用手机扫描左方二维码,即可获得钛媒体每日精华内容推送和最优搜索体验,并参与编辑活动。

精选
精选

精选和转载来自其他媒体的趣闻

评论(0

Oh! no

您是否确认要删除该条评论吗?

分享到微信朋友圈