对比分析

事出反常必有妖、没有对比就没有好坏

如果单纯给你一个数字500或者-500，你可能两眼一懵，并不能得出什么有价值结论。那如果告诉你该公司是用户流失了500个，这是否异常呢？

如果是第一个图，那流失500就属于异常了，但是对于第二个图来说，流失500就不算什么异常。

再看下图某公司的一周销售额情况，你可能一眼看去该公司在周末两天销售额大跌，出现了异常。

别急，再看下图你就会发现该公司的产品销售额总是会在周末两天会大跌，那就说明该公司的产品主要是服务于工作日内的客户，那这样的话，周末两天销售额的下跌就不算是异常了。

通过上面两个小案例，我们发现根据一个事物的表明情况得出的结论可能并不一定是正确的，但是通过对比分析，往往能得出更有力的结论。接下来，我们将主要介绍怎么使用对比分析。

1.比什么？

一般来说我们有两种需要对比的数值，即绝对值和比例。

绝对值：本身具有【价值】的数字。比如销售金额、博客的阅读数等等。

比例：在具体环境中看比例才具备对比价值。比如用户活跃占比、注册转化率等等。

2.怎么比？

一般来说使用最多的方法就是同比和环比。

环比（Last Period）：与当前时间范围相邻的上一个时间范围对比

• 日环比（今天vs昨天）
• 月环比（本月vs上月）
• 适用于对短期内具备连续性的数据进行分析
• 适用场景：需要根据相邻时间范围的数字对当前时间范围的指标进行设定

同比（Same Period Last Year/Month/Day）：与当前时间范围上层时间范围的前一范围中同样位置数据对比

• 年同比（今天vs去年今日）
• 月同比（今天vs上月今日）
• 观察更为长期的数据集
• 适用场景：观察的时间周期里有较多干扰，希望某种程度上消除这些干扰

3.和谁比？

和自己比

• 从时间维度
• 从业务维度
• 从过往经验估计

和行业比

• 是自身因素还是行业因素？
• 都跌，能否比同行跌的少？
• 都涨，是否比同行涨的慢？

用户画像

通过对用户各类特征进行标识，给用户贴上各类标签

通过这些标签将用户分为不同的群体，以便对不同的群体分别进行产品/运营动作

适用场景：市场营销、个性化运营、业务分析、用户研究.....

标签都有啥？

• 基础属性：年龄、性别、生日、星座、教育、身高、收入、职业.....
• 社会关系：婚姻、有无小孩、家有老人、性取向.....
• 行为特征：

• 基本行为：注册时间、来源渠道...
• 业务行为：买过特惠商品、曾获优秀学员....

• 业务相关（以健身为例）：胖瘦高矮、体脂率、日均8000步、收藏了100+健身计划....

标签从哪来？

1.直接填写

2.通过用户自己的已有特征推得

3.通过用户身边的人推断

• 距离相近：某些属性，周围的人都具备，用户大概率也具备
• 行为相似：通过协同过滤，找到行为相似的目标用户