如何使用矩陣數(shù)據(jù)分析法(完整版)實(shí)用資料

如何使用矩陣數(shù)據(jù)分析法（完整版）實(shí)用資料(可以直接使用，可編輯完整版實(shí)用資料，歡迎下載）

如何使用矩陣數(shù)據(jù)分析法（完整版）實(shí)用資料(可以直接使用，可編輯完整版實(shí)用資料，歡迎下載）如何使用矩陣數(shù)據(jù)分析法下面通過例子來介紹如何進(jìn)行矩陣數(shù)據(jù)分析法。1、確定需要分析的各個(gè)方面。我們通過親和圖得到以下幾個(gè)方面，需要確定它們相對(duì)的重要程度：易于控制、易于使用、網(wǎng)絡(luò)性能、和其他軟件可以兼容、便于維護(hù)。2、組成數(shù)據(jù)矩陣。用Excel或者手工做。把這些因素分別輸入表格的行和列，如表所示。3、確定對(duì)比分?jǐn)?shù)。自己和自己對(duì)比的地方都打0分。以“行”為基礎(chǔ)，逐個(gè)和“列”對(duì)比，確定分?jǐn)?shù)?！靶小北取傲小敝匾o正分。分?jǐn)?shù)范圍從9到1分。打1分表示兩個(gè)重要性相當(dāng)。譬如，第2行“易于控制”分別和C列“易于使用”比較，重要一些，打4分。和D列“網(wǎng)絡(luò)性能”比較，相當(dāng)，打1分?！绻靶小睕]有“列””重要，給反過來重要分?jǐn)?shù)的倒數(shù)。譬如，第3行的“易于使用”和B列的“易于控制”前面已經(jīng)對(duì)比過了。前面是4分，現(xiàn)在取倒數(shù)，1/4=0.25。有D列“網(wǎng)絡(luò)性能”比，沒有“網(wǎng)絡(luò)性能”重要，反過來，“網(wǎng)絡(luò)性能”比“易于使用”重要，打5分?，F(xiàn)在取倒數(shù)，就是0.20。實(shí)際上，做的時(shí)候可以圍繞以0組成的對(duì)角線對(duì)稱填寫對(duì)比的結(jié)果就可以了。表1：矩陣數(shù)據(jù)分析法

ABCDEFGH1

易控制易使用網(wǎng)絡(luò)性能軟件兼容便于維護(hù)總分權(quán)重%2易于控制04131926.23易于使用0.2500.200.330.251.033.04網(wǎng)絡(luò)性能150331234.95軟件兼容0.3330.3300.33411.66便于維護(hù)140.33308.3324.2

總分之和34.374、加總分。按照“行”把分?jǐn)?shù)加起來。在G列內(nèi)得到各行的“總分”。5、算權(quán)重分。把各行的“總分”加起來，得到“總分之和”。再把每行“總分”除以“總分之和”得到H列每個(gè)“行”的權(quán)重分?jǐn)?shù)。權(quán)重分?jǐn)?shù)愈大，說明這個(gè)方面最重要，“網(wǎng)絡(luò)性能”34.9分。其次是“易于控制”26.2分。摘要:本文簡述了數(shù)據(jù)挖掘技術(shù)的基本概念、產(chǎn)生和發(fā)展的基礎(chǔ)以及在現(xiàn)實(shí)生活中所發(fā)揮的巨大作用。同時(shí)還就數(shù)據(jù)挖掘技術(shù)在全國廣播監(jiān)測網(wǎng)的應(yīng)用做了初步的探索和嘗試。關(guān)鍵詞:數(shù)據(jù)挖掘廣播電視監(jiān)測決策支持0引言隨著廣播電視監(jiān)測網(wǎng)建設(shè)規(guī)模的不斷擴(kuò)大和運(yùn)行時(shí)間的不斷增加,廣播電視監(jiān)測網(wǎng)數(shù)據(jù)庫積累的各種監(jiān)測數(shù)據(jù)也越來越多。激增的數(shù)據(jù)背后隱藏著許多重要的知識(shí)和信息,而目前的數(shù)據(jù)庫系統(tǒng)可以高效地實(shí)現(xiàn)數(shù)據(jù)的錄入、查詢、統(tǒng)計(jì)等功能,但無法發(fā)現(xiàn)數(shù)據(jù)中存在的關(guān)系和規(guī)則,無法根據(jù)現(xiàn)有的數(shù)據(jù)預(yù)測未來的發(fā)展趨勢。如何運(yùn)用數(shù)據(jù)挖掘這一新興技術(shù)從大量的監(jiān)測數(shù)據(jù)中發(fā)現(xiàn)有意義和有價(jià)值的知識(shí),并根據(jù)這些知識(shí)來指導(dǎo)我們?nèi)粘５谋O(jiān)測工作和維護(hù)工作,使我們的工作更有效率,成為廣播電視監(jiān)測領(lǐng)域里一個(gè)值得探索和研究的課題。1數(shù)據(jù)挖掘技術(shù)簡介1.1數(shù)據(jù)挖掘技術(shù)的基本概念數(shù)據(jù)挖掘(DataMining就是從大量的、不完全的、有噪聲的、模糊的、隨機(jī)的實(shí)際應(yīng)用數(shù)據(jù)中,提取隱含在其中的、人們事先不知道的、但又是潛在有用的信息和知識(shí)的過程。這個(gè)定義包括好幾層含義:數(shù)據(jù)源必須是真實(shí)的、大量的、含噪聲的;發(fā)現(xiàn)的是用戶感興趣的知識(shí);發(fā)現(xiàn)的知識(shí)要能夠易于被用戶理解,最好能用自然語言表達(dá);并不要求發(fā)現(xiàn)放應(yīng)用探索◎楊京國家廣電總局監(jiān)測數(shù)據(jù)處理中心之四海皆準(zhǔn)的知識(shí),換句話說發(fā)現(xiàn)的知識(shí)都是相對(duì)的,是有特定前提和約束條件,面向特定領(lǐng)域的。下面再簡單解釋一下知識(shí)的基本概念。從廣義上理解,數(shù)據(jù)、信息也是知識(shí)的表現(xiàn)形式,但是人們更把概念、規(guī)則、模式、規(guī)律和約束等看作知識(shí)。人們把數(shù)據(jù)看作是形成知識(shí)的源泉。而原始數(shù)據(jù)可以是結(jié)構(gòu)化的,如關(guān)系數(shù)據(jù)庫中的數(shù)據(jù);也可以是半結(jié)構(gòu)化的,如文本、圖形和圖像數(shù)據(jù);甚至是分布在網(wǎng)絡(luò)上的異構(gòu)型數(shù)據(jù)。發(fā)現(xiàn)知識(shí)的方法可以是數(shù)學(xué)的,也可以是非數(shù)學(xué)的;可以是演繹的,也可以是歸納的。發(fā)現(xiàn)的知識(shí)可以被用于決策支持和過程控制等。因此,數(shù)據(jù)挖掘是一門交叉學(xué)科,它把人們對(duì)數(shù)據(jù)的應(yīng)用從低層次的簡單查詢,提升到從數(shù)據(jù)中挖掘知識(shí),提供決策支持。數(shù)據(jù)挖掘所發(fā)現(xiàn)的知識(shí)最常見的有以下四類:1.廣義知識(shí)(Generalization:廣義知識(shí)指類別特征的概括性描述知識(shí)。根據(jù)數(shù)據(jù)的微觀特性發(fā)現(xiàn)其表征的、帶有普遍性的、較高層次概念的、中觀和宏觀的知識(shí),反映同類事物共同性質(zhì),是對(duì)數(shù)據(jù)的概括、精煉和抽象。關(guān)聯(lián)知識(shí)(Association:它反映一個(gè)事件和其他事件之間依賴或關(guān)聯(lián)的知識(shí)。如果兩項(xiàng)或多項(xiàng)屬性之間存在關(guān)聯(lián),那么其中一項(xiàng)的屬性值就可以依據(jù)其他屬性值進(jìn)行預(yù)測。2.分類知識(shí)(Classification&Clustering:它反映同類事物共同性質(zhì)的特征型知識(shí)和不同事物之間的差異型特征知識(shí)。最為典型的分類方法是基于決策樹的分類方法。3.預(yù)測型知識(shí)(Prediction:根據(jù)時(shí)間序列型數(shù)據(jù),由歷史的和當(dāng)前的數(shù)據(jù)去推測未來的數(shù)據(jù),也可以認(rèn)為是以時(shí)間為關(guān)鍵屬性的關(guān)聯(lián)知識(shí)。時(shí)間序列預(yù)測方法有經(jīng)典的統(tǒng)計(jì)方法、神經(jīng)網(wǎng)絡(luò)和機(jī)器學(xué)習(xí)等。4.偏差型知識(shí)(Deviation:此外,數(shù)據(jù)挖掘還可以發(fā)現(xiàn)其他類型的知識(shí),如偏差型知識(shí),它是對(duì)差異和極端特例的描述,揭示事物偏離常規(guī)的異?，F(xiàn)象,如標(biāo)準(zhǔn)類外的特例,數(shù)據(jù)聚類外的離群值等。1.2數(shù)據(jù)挖掘技術(shù)的基礎(chǔ)數(shù)據(jù)挖掘技術(shù)的三大基礎(chǔ)技術(shù)包括計(jì)算機(jī)硬件技術(shù)、大規(guī)模數(shù)據(jù)庫技術(shù)和數(shù)據(jù)挖掘算法。在過去數(shù)十年里,計(jì)算機(jī)硬件技術(shù)得到了迅猛的發(fā)展,包括單個(gè)CPU的處理能力大幅提升、內(nèi)存和磁盤存儲(chǔ)器價(jià)格的顯著降低、支持多個(gè)CPU的并行處理結(jié)構(gòu)的巨大進(jìn)步等。大型關(guān)系型數(shù)據(jù)庫及數(shù)據(jù)庫管理系統(tǒng)在各行各業(yè)的廣泛應(yīng)用、最近10年來數(shù)據(jù)挖掘算法的不斷發(fā)展、成熟和穩(wěn)定。數(shù)據(jù)挖掘是利用了人工智能和統(tǒng)計(jì)分析這兩種技術(shù)致力于模式發(fā)現(xiàn)和預(yù)測。數(shù)據(jù)挖掘不是為了替代傳統(tǒng)的統(tǒng)計(jì)分析技術(shù)。相反,它是統(tǒng)計(jì)分析技術(shù)的延伸和擴(kuò)展。大多數(shù)的統(tǒng)計(jì)分析技術(shù)都基于完善的數(shù)學(xué)理論和高超的技巧,預(yù)測的準(zhǔn)確度還是令人滿意的,但對(duì)使用者的要求很高。而隨著計(jì)算機(jī)計(jì)算能力的不斷增強(qiáng),我們有可能利用計(jì)算機(jī)強(qiáng)大的計(jì)算能力只通過相對(duì)簡單和固定的方法完成同樣的功能。一些新興的技術(shù)同樣在知識(shí)發(fā)現(xiàn)領(lǐng)域取得了很好的效果,如神經(jīng)元網(wǎng)絡(luò)和決策樹,在足夠多的數(shù)據(jù)和計(jì)算能力下,它們幾乎不用人的關(guān)照自動(dòng)就能完成許多有價(jià)值的功能。數(shù)據(jù)挖掘就是利用了統(tǒng)計(jì)和人工智能技術(shù)的應(yīng)用程序,它把這些高深復(fù)雜的技術(shù)封裝起來,使人們不用自己掌握這些技術(shù)也能完成同樣的功能,并且更專注于自己所要解決的問題。1.3數(shù)據(jù)挖掘和數(shù)據(jù)倉庫之間的關(guān)系數(shù)據(jù)挖掘與數(shù)據(jù)倉庫的發(fā)展有著密切的關(guān)系。數(shù)據(jù)倉庫的發(fā)展是促進(jìn)數(shù)據(jù)挖掘越來越熱的原因之一。但是,數(shù)據(jù)倉庫并不是數(shù)據(jù)挖掘的先決條件,因?yàn)橛泻芏鄶?shù)據(jù)挖掘可直接從操作數(shù)據(jù)源中挖掘信息。大部分情況下,數(shù)據(jù)挖掘都要先把數(shù)據(jù)從數(shù)據(jù)倉庫中拿到數(shù)據(jù)挖掘庫或數(shù)據(jù)集市中。從數(shù)據(jù)倉庫中直接得到進(jìn)行數(shù)據(jù)挖掘的數(shù)據(jù)有許多好處。數(shù)據(jù)倉庫的數(shù)據(jù)清理和數(shù)據(jù)挖掘的數(shù)據(jù)清理差不多,如果數(shù)據(jù)在導(dǎo)入數(shù)據(jù)倉庫時(shí)已經(jīng)清理過,那很可能在做數(shù)據(jù)挖掘時(shí)就沒必要再清理一次了,而且所有的數(shù)據(jù)不一致的問題都已經(jīng)被你解決了(圖1。數(shù)據(jù)挖掘庫可能是你的數(shù)據(jù)倉庫的一個(gè)邏輯上的子集,而不一定非得是物理上單獨(dú)的數(shù)據(jù)庫。但如果你的數(shù)據(jù)倉庫的計(jì)算資源已經(jīng)很緊張,那你最好還是建立一個(gè)單獨(dú)的數(shù)據(jù)挖掘庫。當(dāng)然為了數(shù)據(jù)挖掘你也不必非得建立一個(gè)數(shù)據(jù)倉庫,數(shù)據(jù)倉庫不是必需的。建立一個(gè)巨大的數(shù)據(jù)倉庫,把各個(gè)不同源的數(shù)據(jù)統(tǒng)一在一起,解決所有的數(shù)據(jù)沖突問題,然后把所有的數(shù)據(jù)導(dǎo)到一個(gè)數(shù)據(jù)倉庫內(nèi),是一項(xiàng)巨大的工程,可能要用幾年的時(shí)間花上百萬的錢才能完成。只是為了數(shù)據(jù)挖掘,你可以把一個(gè)或幾個(gè)事務(wù)數(shù)據(jù)庫導(dǎo)到一個(gè)只讀的數(shù)據(jù)庫中,就把它當(dāng)作數(shù)據(jù)集市,然后在他上面進(jìn)行數(shù)據(jù)挖掘(圖2。1.4數(shù)據(jù)挖掘和傳統(tǒng)數(shù)據(jù)分析的區(qū)別數(shù)據(jù)挖掘與傳統(tǒng)的數(shù)據(jù)分析如查詢、報(bào)表、聯(lián)機(jī)分析處理(OLAP是完全不同的工具,基于的技術(shù)也完全不同。傳統(tǒng)的查詢和報(bào)表工具是告訴你數(shù)據(jù)庫中都有什么,OLAP工具則更進(jìn)一步告訴你下一步會(huì)怎么樣(Whatnext、和如果我采取這樣的措施又會(huì)怎么樣(Whatif。用戶首先建立一個(gè)假設(shè),然后用OLAP工具檢索數(shù)據(jù)庫來驗(yàn)證這個(gè)假設(shè)是否正確。聯(lián)機(jī)分析處理的過程是先建立一系列的假設(shè),然后通過OLAP工具來證實(shí)或推翻這些假設(shè)來最終得到自己的結(jié)論。聯(lián)機(jī)分析處理過程在本質(zhì)上是一個(gè)演繹推理的過程。而數(shù)據(jù)挖掘和聯(lián)機(jī)分析處理的本質(zhì)區(qū)別在于不是用于驗(yàn)證某個(gè)假定模式(模型的正確性,而是在數(shù)據(jù)庫中自己尋找模型。數(shù)據(jù)挖掘是在沒有明確假設(shè)的前提下去挖掘信息、發(fā)現(xiàn)知識(shí)。數(shù)據(jù)挖掘所得到的信息應(yīng)具有先前未知的特征。所謂先前未知的信息是指該信息是預(yù)先未曾預(yù)料到的,既數(shù)據(jù)挖掘是要發(fā)現(xiàn)那些不能靠直覺發(fā)現(xiàn)的信息或知識(shí),甚至是違背直覺的信息或知識(shí),挖掘出的信息越是出乎意料,就可能越有價(jià)值。數(shù)據(jù)挖掘在本質(zhì)上是一個(gè)歸納的過程。數(shù)據(jù)挖掘和聯(lián)機(jī)分析處理具有一定的互補(bǔ)性。在利用數(shù)據(jù)挖掘出來的結(jié)論采取行動(dòng)之前,你也許要驗(yàn)證一下如果采取這樣的行動(dòng)會(huì)給公司帶來什么樣的影響,那么聯(lián)機(jī)分析處理工具能回答你的這些問題。2數(shù)據(jù)挖掘技術(shù)在監(jiān)測數(shù)據(jù)分析中的應(yīng)用探索全國廣播監(jiān)測網(wǎng)數(shù)據(jù)處理中心數(shù)據(jù)庫里保存著大量的數(shù)據(jù),其中包括各種基礎(chǔ)資源的數(shù)據(jù)如各類發(fā)射臺(tái)和發(fā)射機(jī)的基本信息、各種發(fā)射臺(tái)運(yùn)行圖的數(shù)據(jù)、監(jiān)測臺(tái)的基本信息、監(jiān)測站點(diǎn)的基本信息等;各種監(jiān)測數(shù)據(jù)如指標(biāo)收測數(shù)據(jù)、頻譜收測數(shù)據(jù)、由監(jiān)測站點(diǎn)上報(bào)的各種指標(biāo)報(bào)警數(shù)據(jù)(設(shè)備報(bào)警數(shù)據(jù)等。隨著全國廣播監(jiān)測網(wǎng)規(guī)模的不斷擴(kuò)大、運(yùn)行時(shí)間的不斷增加,數(shù)據(jù)庫里保存的各種歷史數(shù)據(jù)也隨之不斷增多。對(duì)這些數(shù)據(jù)除了可以進(jìn)行各種瀏覽和查詢操作,進(jìn)行各種統(tǒng)計(jì)分析、生成各種統(tǒng)計(jì)報(bào)表和圖表以外,我們還可以利用功能強(qiáng)大的數(shù)據(jù)挖掘工具,發(fā)現(xiàn)隱藏在這些數(shù)據(jù)背后一些有意義和有價(jià)值的知識(shí)、規(guī)律和模型,然后用這些知識(shí)來指導(dǎo)我們的日常監(jiān)測和維護(hù)工作,使我們的工作更有針對(duì)性、效率更高。下面就數(shù)據(jù)挖掘在全國廣播監(jiān)測網(wǎng)中的應(yīng)用做一些初步的探索和嘗試。2.1數(shù)據(jù)挖掘案例1在全國廣播監(jiān)測網(wǎng)里,各監(jiān)測臺(tái)每天都以日?qǐng)?bào)的形式將它所監(jiān)測的中波臺(tái)的指標(biāo)異態(tài)數(shù)據(jù)上報(bào)到數(shù)據(jù)處理中心的數(shù)據(jù)庫里。指標(biāo)異態(tài)包括以下3種:停播、功率異態(tài)和調(diào)幅度異態(tài),其中停播是最嚴(yán)重的異態(tài)。異態(tài)數(shù)據(jù)主要包括以下字段:異態(tài)發(fā)生日期、發(fā)生異態(tài)的中波臺(tái)名稱、異態(tài)現(xiàn)象、異態(tài)起止時(shí)間和異態(tài)原因等。根據(jù)數(shù)據(jù)挖掘技術(shù)里的時(shí)間序列預(yù)測方法,我們可以根據(jù)歷史和當(dāng)前的停播異態(tài)數(shù)據(jù)去推測未來的停播異態(tài)數(shù)據(jù)。具體地說,我們可以根據(jù)最近一段時(shí)間(如1個(gè)月或3個(gè)月里所有中波臺(tái)發(fā)生停播的情況預(yù)測出在未來一段時(shí)間(如1個(gè)月里哪些發(fā)射臺(tái)發(fā)生停播的可能性最大、哪些發(fā)射臺(tái)發(fā)生停播的時(shí)間可能最長等。舉個(gè)例子:假設(shè)在最近的三個(gè)月里,中波臺(tái)A、B、C分別發(fā)生了10次、9次和8次停播,停播次數(shù)在所有中波臺(tái)里排名前三,造成停播的主要原因是機(jī)器故障。而中波臺(tái)D、E、F雖然只分別發(fā)生了1、2和3次停播,但停播時(shí)間分別達(dá)到10、20和30小時(shí),在所有中波臺(tái)里停播時(shí)間排名前三,造成停播的主要原因是外電因素。根據(jù)這些歷史數(shù)據(jù),運(yùn)用數(shù)據(jù)挖掘技術(shù)里的時(shí)間序列預(yù)測方法,我們可以得出這樣的結(jié)果:在未來的1個(gè)月里,中波臺(tái)A、B、C發(fā)生停播的可能性最大,而中波臺(tái)D、E、F發(fā)生停播的時(shí)間可能最長。當(dāng)然,這些預(yù)測結(jié)果是否準(zhǔn)確有待進(jìn)一步地測試和驗(yàn)證。我們可以采用另外一些數(shù)據(jù)(如前6個(gè)月的數(shù)據(jù)對(duì)預(yù)測結(jié)果進(jìn)行測試。而對(duì)預(yù)測結(jié)果的驗(yàn)證則需要通過未來1個(gè)月里實(shí)際發(fā)生的停播情況來進(jìn)行。假設(shè)預(yù)測結(jié)果準(zhǔn)確,我們可以對(duì)最有可能發(fā)生停播的中波臺(tái)A、B、C或發(fā)生停播時(shí)間可能最長的中波臺(tái)D、E、F,采取針對(duì)性的措施(對(duì)中波臺(tái)A、B、C加強(qiáng)機(jī)器檢修工作,對(duì)中波臺(tái)D、E、F加強(qiáng)備用電源或發(fā)電機(jī)。這樣做的好處是我們可以集中力量預(yù)防重點(diǎn)發(fā)射臺(tái)(而不是所有發(fā)射臺(tái)的停播問題,避免平均使用力量,爭取用最少的投入得到最好的效果,減少停播發(fā)生的次數(shù)和時(shí)間,提高整體播出效果。2.2數(shù)據(jù)挖掘案例2對(duì)監(jiān)測站點(diǎn)的設(shè)備報(bào)警數(shù)據(jù)進(jìn)行挖掘,發(fā)現(xiàn)數(shù)據(jù)背后隱藏的一些有用的知識(shí)。通常監(jiān)測站點(diǎn)的設(shè)備報(bào)警數(shù)據(jù)由各監(jiān)測臺(tái)每天以設(shè)備異態(tài)日?qǐng)?bào)的形式上報(bào)到數(shù)據(jù)處理中心數(shù)據(jù)庫。設(shè)備報(bào)警數(shù)據(jù)主要包括以下字段:發(fā)生故障的監(jiān)測站點(diǎn)名稱、故障現(xiàn)象、故障起止時(shí)間、故障原因等。通過運(yùn)用數(shù)據(jù)挖掘技術(shù)里發(fā)現(xiàn)廣義知識(shí)的算法,對(duì)最近一段時(shí)間所有的設(shè)備報(bào)警數(shù)據(jù)進(jìn)行挖掘,我們可以發(fā)現(xiàn)經(jīng)常發(fā)生設(shè)備故障的監(jiān)測站點(diǎn)具有的某些共同特征或共性。例如發(fā)現(xiàn)經(jīng)常發(fā)生設(shè)備故障的監(jiān)測站點(diǎn)的設(shè)備大部分由A公司制造,這一發(fā)現(xiàn)說明A公司生產(chǎn)的監(jiān)測站點(diǎn)設(shè)備質(zhì)量較差、根據(jù)發(fā)現(xiàn)的知識(shí)我們可以敦促A公司采取措施進(jìn)一步改善其產(chǎn)品的質(zhì)量。此外我們還可以發(fā)現(xiàn),經(jīng)常發(fā)生UPS報(bào)警同時(shí)故障原因又是外電?；蛲怆婋妷翰环€(wěn)的監(jiān)測站點(diǎn)都集中在某幾個(gè)省份,這說明這幾個(gè)省份的電力系統(tǒng)在運(yùn)行過程中經(jīng)常出現(xiàn)停電或電壓不穩(wěn)的情況,根據(jù)發(fā)現(xiàn)的知識(shí)我們可以向當(dāng)?shù)仉娏ο到y(tǒng)反映這些情況,希望停電或電壓不穩(wěn)的情況能夠得到改善。3結(jié)束語通過上面的數(shù)據(jù)挖掘案例可以看到:運(yùn)用數(shù)據(jù)挖掘技術(shù)我們可以從大量的廣播電視監(jiān)測數(shù)據(jù)中發(fā)現(xiàn)很多有意義、有價(jià)值的知識(shí)。這些知識(shí)可以使我們?nèi)粘５谋O(jiān)測工作和維護(hù)工作更有針對(duì)性,效率更高。數(shù)據(jù)挖掘技術(shù)在廣播電視監(jiān)測領(lǐng)域里的應(yīng)有前景非常廣闊、大有可為。淘寶天貓必備的數(shù)據(jù)分析工具發(fā)布時(shí)間：2021-02-10大家都知道開網(wǎng)店要分析數(shù)據(jù)，也知道一些數(shù)據(jù)分析工具比如，淘寶指數(shù)，數(shù)據(jù)魔方，量子橫道，但是，對(duì)于這些工具如何使用呢，很多賣家就犯愁了，到底應(yīng)該看哪些數(shù)據(jù)，看了之后如何指導(dǎo)工作呢。詳細(xì)為大家介紹一下，如何利用數(shù)據(jù)分析工具分析自己的數(shù)據(jù)和競爭對(duì)手的數(shù)據(jù)，做到知己知彼，百戰(zhàn)不殆。【知己篇】店內(nèi)數(shù)據(jù)分析店內(nèi)運(yùn)營簡單來看，就是流量和轉(zhuǎn)化這兩件事。所以分析也主要從這兩個(gè)指標(biāo)出發(fā)。因?yàn)榱髁拷Y(jié)構(gòu)和精度直接影響轉(zhuǎn)化，轉(zhuǎn)化好壞再反過來影響流量，所以在分析時(shí)，先做流量盤查，再做轉(zhuǎn)化分析。一、流量1、搜索流量工具：搜索診斷助手、直通車A.基礎(chǔ)條件：不違規(guī)，可在“賣家工作臺(tái)”-“搜索診斷助手”-“寶貝診斷里”檢查。B.相關(guān)性：類目屬性相關(guān)性、標(biāo)題關(guān)鍵字相關(guān)性。C.人氣分：是否櫥窗推薦、是否加入消保、DSR評(píng)分、支付寶使用率、旺旺效應(yīng)速度、拍貨與發(fā)貨的時(shí)差。D.圖片：很多賣家在優(yōu)化主搜流量時(shí)，經(jīng)常會(huì)忽略圖片的優(yōu)化，然而圖片點(diǎn)擊率的差距，直接影響了最后的搜索流量。買家不是直接搜索進(jìn)來的，而是被圖片吸引進(jìn)來的，優(yōu)化圖片就顯得非常重要。建議可以用直通車來測試圖片(方法下文會(huì)介紹到)。E.價(jià)格與銷量：銷量相當(dāng)?shù)漠a(chǎn)品，價(jià)格高的有更多展示的機(jī)會(huì)；價(jià)格相同的產(chǎn)品，銷量高的有更多展示機(jī)會(huì)。而檢查該項(xiàng)指標(biāo)主要檢查自己與直接競爭對(duì)手的差距，尤其是7天銷量的差距，以做調(diào)整。F.標(biāo)題優(yōu)化：在銷量相對(duì)低的時(shí)候多使用長尾詞，銷量高的時(shí)候多使用泛詞、中心詞，并反復(fù)測試，得出搜索流量×搜索轉(zhuǎn)化率的最大值。2、付費(fèi)流量工具：各付費(fèi)工具的數(shù)據(jù)報(bào)表、量子。A.直通車：診斷直通車主要看點(diǎn)擊率和轉(zhuǎn)化率這兩個(gè)指標(biāo)。點(diǎn)擊率直接影響淘寶直通車的收入，在行業(yè)利潤如此透明的年代，每家的出價(jià)其實(shí)都不可能差很多，而點(diǎn)擊率越高，直通車本身的收入就越高，就會(huì)提供更好的位置給你。查看工具：行業(yè)解析報(bào)表。優(yōu)化辦法：挖掘USP。轉(zhuǎn)化率則是淘寶看重的用戶體驗(yàn)，直通車轉(zhuǎn)化率要做到約等于或略低于該寶貝整體轉(zhuǎn)化率才算比較健康。查看工具：直通車轉(zhuǎn)化報(bào)表、量子-銷售分析-寶貝銷售排行;優(yōu)化辦法：在銷量較低的時(shí)候重點(diǎn)優(yōu)化長尾詞，銷量高時(shí)優(yōu)化泛詞和定向。B.鉆石展位：診斷鉆展其實(shí)也和直通車原理基本一致。也是優(yōu)化圖片，然后選擇精準(zhǔn)的店鋪來定向。查看工具：鉆展廣告位對(duì)應(yīng)類目數(shù)據(jù)、鉆展定向報(bào)表-手工統(tǒng)計(jì)各項(xiàng)回報(bào)率;優(yōu)化辦法：總結(jié)同行優(yōu)秀素材的構(gòu)成因素和失敗素材的特點(diǎn)、把收集店鋪ID的維度做細(xì)。C.淘客：淘客診斷只要看自己與競爭對(duì)手的銷量和傭金有何差距即可。二、內(nèi)功1、轉(zhuǎn)化率工具：量子、數(shù)據(jù)魔方A.內(nèi)頁：首先看銷量，其次看評(píng)價(jià)質(zhì)量，再來看單品轉(zhuǎn)化率、頁面停留時(shí)間和詢單率。如果連基礎(chǔ)銷量都沒有，評(píng)價(jià)很差，轉(zhuǎn)化率是不可能好的。兩個(gè)先決條件解決了，再看單品轉(zhuǎn)化率、頁面停留時(shí)間和詢單率是否不低于行業(yè)均值(或店內(nèi)賣的好的寶貝)。若低于，則一一優(yōu)化USP賣點(diǎn)、邏輯順序(是否都做到圍繞USP)、展現(xiàn)內(nèi)容多樣化(數(shù)據(jù)、圖表、細(xì)節(jié)圖、權(quán)威認(rèn)證報(bào)告、大量實(shí)證、視頻等)、展現(xiàn)方式(字體、字號(hào)、背景色、配色)。B.訪問深度：由于80%的顧客入店都是從內(nèi)頁進(jìn)來，所以主要優(yōu)化內(nèi)頁可導(dǎo)流的位置，分別為店招、寶貝頁關(guān)聯(lián)、寶貝頁側(cè)邊欄、店尾進(jìn)行優(yōu)化。再優(yōu)化首頁。查看工具：量子-銷售分析-銷售總覽-平均訪問深度、量子-流量分析-寶貝被訪排行、量子-流量分析-首頁被訪數(shù)據(jù)(停留時(shí)間、點(diǎn)擊率、跳失率)、量子-店鋪裝修。優(yōu)化辦法：將店內(nèi)20%的產(chǎn)品用導(dǎo)航、促銷、關(guān)聯(lián)等的方式做集中展示。C.支付率：是否做到了80%以上。查看工具：量子-銷售分析-銷售總覽。優(yōu)化辦法：利用短電旺給顧客一個(gè)必須現(xiàn)在下單的理由。D.營銷活動(dòng)：定期舉辦營銷活動(dòng)可提升轉(zhuǎn)化率。E.客服詢單轉(zhuǎn)化率：是否至少做到了行業(yè)均值。查看工具：如赤兔等第三方工具。優(yōu)化方法：顧客的每一個(gè)問題都建立標(biāo)準(zhǔn)答案。2、客單價(jià)工具：量子-銷售分析-銷售總覽。優(yōu)化辦法：包郵條件、滿減滿贈(zèng)、爆款關(guān)聯(lián)、客服推薦、SKU擴(kuò)充、促銷產(chǎn)品等。3、DSR工具：淘寶DSR評(píng)分計(jì)算器。優(yōu)化辦法：A.淘寶原有服務(wù)的升級(jí)(7天無理由升級(jí)為30天、3天發(fā)貨升級(jí)為24小時(shí)發(fā)貨等);B.淘寶未有服務(wù)的創(chuàng)新(圍繞客戶與商家接觸點(diǎn)的創(chuàng)新，如SNS、游戲)。4、CRMCRM主要查看老客戶占比、老客戶轉(zhuǎn)化率、二次購買率、客戶分組短彩郵的ROI。工具：賣家工作臺(tái)-會(huì)員關(guān)系管理、數(shù)云、客道等第三方軟件。優(yōu)化的辦法：建立老客戶分組，根據(jù)分組創(chuàng)建老客戶的不同特權(quán)。越高級(jí)的客戶擁有越高級(jí)的特權(quán)。【知彼篇】競爭數(shù)據(jù)分析競爭數(shù)據(jù)主要包括整個(gè)市場數(shù)據(jù)和直接競爭對(duì)手?jǐn)?shù)據(jù)。市場數(shù)據(jù)的獲取能夠判定市場容量、市場競爭的激烈程度，避免新產(chǎn)品在還未上市時(shí)就輸了。直接競爭對(duì)手的數(shù)據(jù)能則能取長補(bǔ)短。一、市場數(shù)據(jù)1、市場容量用數(shù)據(jù)魔方-行業(yè)分析-整體情況可以看到整個(gè)行業(yè)、子類目的市場容量。2、搜索指數(shù)用淘寶指數(shù)查看搜索指數(shù)和成交指數(shù)3、細(xì)分?jǐn)?shù)據(jù)工具：淘寶指數(shù)和數(shù)據(jù)魔方A.買家購買分析用數(shù)據(jù)魔方-行業(yè)分析看到買家的購買分析，可查看購買的單價(jià)和客單價(jià)及購買的頻次。B.買家信息分析用數(shù)據(jù)魔方-行業(yè)分析看到買家的信息分析，可查看買家的來訪高峰時(shí)段、購買高峰時(shí)段、買家地域、性別分布和年齡。C/屬性熱銷用數(shù)據(jù)魔方-屬性分析-屬性熱銷排行，查看買家需求的產(chǎn)品屬性。4、趨勢工具：數(shù)據(jù)魔方A.市場趨勢用數(shù)據(jù)魔方-行業(yè)分析-整體情況拉出最近3年、1年、半年和一季度的走勢。B.行業(yè)關(guān)鍵詞熱搜飆升榜(數(shù)據(jù)魔方-淘詞-行業(yè)熱詞榜-行業(yè)關(guān)鍵詞熱搜飆升榜)5、競爭度用數(shù)據(jù)魔方-行業(yè)分析-賣家分析，查看賣家的數(shù)量，值越大，競爭越激勵(lì)。再用核心關(guān)鍵詞在淘寶上搜索，按銷量排序，看前3名，第3和第40名的銷售筆數(shù)的差額，值越低，競爭越激烈。6、空白市場需要細(xì)心的留意，并對(duì)整個(gè)行業(yè)的動(dòng)態(tài)有清晰的