第2章數(shù)據(jù)分析

第2章數(shù)據(jù)分析蘋果公司的傳奇總裁史蒂夫·喬布斯在與癌癥斗爭(zhēng)的過程中采用了不同的方式，成為世界上第一個(gè)對(duì)自身所有DNA和腫瘤DNA進(jìn)行排序的人。這使得史蒂夫·喬布斯的醫(yī)生們能夠基于喬布斯的特定基因組成，按所需效果用藥。如果癌癥病變導(dǎo)致藥物失效，醫(yī)生可以及時(shí)更換另一種藥。喬布斯開玩笑說：“我要么是第一個(gè)通過這種方式戰(zhàn)勝癌癥的人，要么就是最后一個(gè)因?yàn)檫@種方式死于癌癥的人?！彪m然他的愿望都沒有實(shí)現(xiàn)，但是這種獲得所有數(shù)據(jù)而不僅是樣本的方法還是將他的生命延長(zhǎng)了好幾年。大數(shù)據(jù)與喬布斯癌癥治療主要內(nèi)容數(shù)據(jù)的重要性電子商務(wù)中可獲得的數(shù)據(jù)數(shù)據(jù)處理和分析1948年遼沈戰(zhàn)役開始之后，在東北野戰(zhàn)軍前線指揮所里面，每天深夜都要進(jìn)行例常的“每日軍情匯報(bào)”：由值班參謀讀出下屬各個(gè)縱隊(duì)、師、團(tuán)用電臺(tái)報(bào)告的當(dāng)日戰(zhàn)況和繳獲情況。司令員林彪的要求很細(xì)，俘虜要分清軍官和士兵，繳獲的槍支，要統(tǒng)計(jì)出機(jī)槍、長(zhǎng)槍、短槍；擊毀和繳獲尚能使用的汽車，也要分出大小和類別。一天深夜，值班參謀正在讀著下面某師上報(bào)的其下屬部隊(duì)的戰(zhàn)報(bào)。說他們下面的部隊(duì)碰到了一個(gè)不大的遭遇戰(zhàn)，殲敵部分、其余逃走。與其它之前所讀的戰(zhàn)報(bào)看上去并無明顯異樣，值班參謀就這樣讀著讀著，林彪突然叫了一聲“停！”他的眼里閃出了光芒，問：“剛才念的在胡家窩棚那個(gè)戰(zhàn)斗的繳獲，你們聽到了嗎？”大家?guī)е獾哪樕铣霈F(xiàn)了茫然，因?yàn)槿绱藨?zhàn)斗每天都有幾十起，不都是差不多一模一樣的枯燥數(shù)字嗎？林彪掃視一周，見無人回答，便接連問了三句：“為什么那里繳獲的短槍與長(zhǎng)槍的比例比其它戰(zhàn)斗略高”？“為什么那里繳獲和擊毀的小車與大車的比例比其它戰(zhàn)斗略高”？“為什么在那里俘虜和擊斃的軍官與士兵的比例比其它戰(zhàn)斗略高”？結(jié)論：趕緊追擊，發(fā)現(xiàn)并打掉了精悍野戰(zhàn)司令部，活抓了廖耀湘2.1從數(shù)據(jù)分析專家林彪說起王永慶（臺(tái)塑集團(tuán)創(chuàng)始人）賣米Target和懷孕指數(shù)預(yù)測(cè)美國(guó)一名男子闖入他家附近的一家美國(guó)零售連鎖超市Target店鋪（美國(guó)第三大零售商塔吉特）進(jìn)行抗議：“你們竟然給我17歲的女兒發(fā)嬰兒尿片和童車的優(yōu)惠券?！钡赇伣?jīng)理立刻向來者承認(rèn)錯(cuò)誤，但是其實(shí)該經(jīng)理并不知道這一行為是總公司運(yùn)行數(shù)據(jù)挖掘的結(jié)果。一個(gè)月后，這位父親來道歉，因?yàn)檫@時(shí)他才知道他的女兒的確懷孕了。Target比這位父親知道他女兒懷孕的時(shí)間足足早了一個(gè)月。Target能夠通過分析女性客戶購(gòu)買記錄，“猜出”哪些是孕婦。他們從Target的數(shù)據(jù)倉(cāng)庫(kù)中挖掘出25項(xiàng)與懷孕高度相關(guān)的商品，制作“懷孕預(yù)測(cè)”指數(shù)。比如他們發(fā)現(xiàn)女性會(huì)在懷孕四個(gè)月左右，大量購(gòu)買無香味乳液。幾個(gè)月后，她們會(huì)買一些養(yǎng)品，比如鎂、鈣鋅。以此為依據(jù)推算出預(yù)產(chǎn)期后，就搶先一步將孕婦裝、嬰兒床等折扣券寄給客戶來吸引客戶購(gòu)買。讓數(shù)據(jù)說話網(wǎng)頁(yè)加載速度對(duì)網(wǎng)站到達(dá)率有重大的作用。>3秒，57%客戶放棄>5秒，74%客戶放棄網(wǎng)頁(yè)加載速度到底多少合適可以分析更多的數(shù)據(jù)，有時(shí)候甚至可以處理與某個(gè)特別現(xiàn)象相關(guān)的所有數(shù)據(jù)，不再依賴采樣；數(shù)據(jù)多，不再追求精度；不再追求因果，而是相關(guān)關(guān)系。目前，銀行可以根據(jù)求職網(wǎng)站的崗位數(shù)量，推斷失業(yè)率大數(shù)據(jù)時(shí)代Ebay:1995年建立拍賣的第一件物品：壞掉的雷射指示器，成交價(jià)是14.83美元http:///comm/new_entry/index_2.html7月14日，兩名溫哥華婦女用一支魚形筆換了他的紅色曲別針。不久，西雅圖的一名女畫家用一個(gè)畫著笑臉的陶瓷門把換了他的魚形筆。7月25日，美國(guó)麻省的斯帕克斯用一個(gè)野營(yíng)爐換了把手。9月24日，一名加拿大人用一臺(tái)舊發(fā)電機(jī)換取了野營(yíng)爐。11月16日，一個(gè)紐約年輕人用一個(gè)啤酒廣告霓虹燈、一桶啤酒換取了他的舊發(fā)電機(jī)。12月1日，麥克唐納用這些東西換取了蒙特利爾市一名電臺(tái)主持人的雪地車。不久，一家雪地車雜志社用一個(gè)免費(fèi)度假安排交換那輛雪地車；免費(fèi)度假安排又換來一輛舊貨車。隨后的物物交換包括錄音合同，在美國(guó)鳳凰城免費(fèi)租用一年的雙層公寓，與著名搖滾歌星艾麗斯·庫(kù)珀一起喝下午茶，電視演員科爾賓·伯恩森在新片中提供的一個(gè)演員角色。最后，加拿大僅有1140個(gè)居民的基普嶺小鎮(zhèn)，決定提供該鎮(zhèn)的一套房子來?yè)Q取麥克唐納得到的這個(gè)電影新片角色。網(wǎng)絡(luò)中凡事皆有可能2012年美國(guó)大選（結(jié)果卻一邊倒）數(shù)據(jù)運(yùn)營(yíng)過程中存在的問題領(lǐng)導(dǎo)的決斷性實(shí)際性真實(shí)性數(shù)據(jù)相關(guān)性數(shù)據(jù)的稀疏性數(shù)據(jù)的時(shí)效性數(shù)據(jù)不是萬能的2.2電子商務(wù)中的數(shù)據(jù)賣什么產(chǎn)品利潤(rùn)高賣什么產(chǎn)品銷量大什么時(shí)候賣產(chǎn)品最合適怎么樣搭配地賣賣給誰最合適什么樣的客戶會(huì)買什么樣的客戶買得最多到哪里去找這樣的客戶如何廉價(jià)地找到這樣的客戶如何留住這些客戶。。。。電子商務(wù)中的數(shù)據(jù)表示來自網(wǎng)站的調(diào)查數(shù)據(jù)是否為男性是否月收入超過5000元是否來自一線城市年齡是否大于35歲本周訪問次數(shù)是否大于一次最大購(gòu)買金額是否大于100元購(gòu)買次數(shù)是否大于兩次是否曾經(jīng)訪問過企業(yè)的官方網(wǎng)站是否寫過產(chǎn)品的點(diǎn)評(píng)是否介紹過其他人來購(gòu)買過商品每個(gè)用戶會(huì)有一個(gè)10維的數(shù)據(jù)點(diǎn)，以0或1表示，1為是，0為否可以計(jì)算任意用戶之間的距離如果不是0與1，展示的信息會(huì)更多用戶，性別，居住地，收入，購(gòu)買次數(shù)，本月購(gòu)買次數(shù)，最大購(gòu)買金額，平均購(gòu)買金額流量數(shù)據(jù)瀏覽量、訪客數(shù)、登錄時(shí)間、在線時(shí)長(zhǎng)、登錄IP等營(yíng)銷數(shù)據(jù)營(yíng)銷費(fèi)用、到達(dá)用戶數(shù)、打開或點(diǎn)擊用戶數(shù)會(huì)員數(shù)據(jù)姓名、出生日期、真實(shí)性別、網(wǎng)絡(luò)性別、地址、手機(jī)號(hào)、微博號(hào)、登錄記錄、交易記錄等交易及服務(wù)數(shù)據(jù)交易金額、交易數(shù)量、交易人數(shù)、交易商品、交易場(chǎng)所、交易時(shí)間、服務(wù)鏈服務(wù)等數(shù)據(jù)行業(yè)數(shù)據(jù)關(guān)鍵字搜索、店鋪排名、銷售、會(huì)員等數(shù)據(jù)查詢2.3電子商務(wù)中的可獲取數(shù)據(jù)數(shù)據(jù)解釋平均收入網(wǎng)站在一定時(shí)間內(nèi)的收入U(xiǎn)V獨(dú)立訪客數(shù)平均每天的獨(dú)立訪問人數(shù)客戶獲取成本獲得一個(gè)新客戶所付出的成本利潤(rùn)率

轉(zhuǎn)化率訪問的客戶中成功完成購(gòu)買的人數(shù)占比客單價(jià)每一個(gè)顧客平均購(gòu)買商品的交易金額重復(fù)購(gòu)買率消費(fèi)者對(duì)該品牌產(chǎn)品或者服務(wù)的有重復(fù)購(gòu)買次數(shù)的比例運(yùn)營(yíng)成本電子商務(wù)企業(yè)銷售客服和數(shù)據(jù)運(yùn)營(yíng)的成本活躍用戶數(shù)在一定時(shí)間內(nèi)活躍的用戶數(shù)字活躍客戶率活躍用戶占整體用戶的比例參與指數(shù)用戶的平均會(huì)話次數(shù)電商中重要的數(shù)據(jù)訪客數(shù)如何提升訪客數(shù)轉(zhuǎn)化率增加網(wǎng)站視覺效果:店鋪裝修

商品內(nèi)容的介紹和包裝（圖片）商品的選款、設(shè)計(jì)合適的價(jià)格提升好評(píng)率和客戶評(píng)價(jià)提升老客戶回訪率服務(wù)質(zhì)量服務(wù)策略客單價(jià)促銷和限銷關(guān)聯(lián)銷售活動(dòng)電商中的核心數(shù)據(jù)數(shù)據(jù)需要對(duì)比分析如何面對(duì)鋪面而來的數(shù)據(jù)客單價(jià)顯著上升，但人均成交件數(shù)并沒有相應(yīng)幅度的提高，即該店鋪銷售的商品的單價(jià)變高。查看該店鋪的寶貝銷售排行并與T1天對(duì)比，發(fā)現(xiàn)該店鋪在周一時(shí)上新了一款高價(jià)單品，帶來了大量銷售，另外有一款低價(jià)商品，也貢獻(xiàn)了很高的轉(zhuǎn)化率

2.4常見的數(shù)據(jù)處理技巧數(shù)據(jù)的抽取要正確反映業(yè)務(wù)需求數(shù)據(jù)抽樣分析數(shù)據(jù)的規(guī)模有哪些具體的要求如何處理缺失值和異常值數(shù)據(jù)轉(zhuǎn)換篩選有效的輸入變量共線性問題數(shù)據(jù)的抽取要正確反映業(yè)務(wù)需求某業(yè)務(wù)需求是找出因?yàn)槭褂玫赇佈b修工具而帶來顯著銷售收入提升的用戶群體特征如何尋找這些人？有些用戶除了使用裝修工具，還使用了其他方式如競(jìng)價(jià)排名等方式要保證找出的用戶不包含使用了競(jìng)價(jià)排名等主要的提升流量和銷售收入等手段的用戶，盡可能使得這個(gè)用戶群僅僅因?yàn)榈昝嫜b修工具而帶來的銷售收入的提升。要求熟悉業(yè)務(wù)背景確保抽取的用戶所對(duì)應(yīng)的當(dāng)時(shí)業(yè)務(wù)背景，與現(xiàn)在的業(yè)務(wù)需求即將對(duì)應(yīng)的業(yè)務(wù)背景沒有明顯的重要改變數(shù)據(jù)轉(zhuǎn)換產(chǎn)生衍生變量改變變量分布特征的轉(zhuǎn)換區(qū)間型變量的分箱轉(zhuǎn)換針對(duì)分箱變量進(jìn)行的標(biāo)準(zhǔn)化操作生成衍生變量通過原始數(shù)據(jù)進(jìn)行適當(dāng)?shù)臄?shù)學(xué)推導(dǎo)，產(chǎn)生更有商業(yè)意義的新變量如：年齡、用戶在特定商品上消費(fèi)的產(chǎn)品占其總消費(fèi)額的比例、消費(fèi)次數(shù)等等改變變量分布的轉(zhuǎn)換大多數(shù)變量原始分布狀態(tài)偏差大，這種不對(duì)稱出現(xiàn)在自變量中會(huì)干擾模型的擬合，影響模型的效果和效率。缺點(diǎn)如不好解釋把消費(fèi)者在線消費(fèi)金額取對(duì)數(shù)的商業(yè)含義如工資分箱轉(zhuǎn)換把區(qū)間型變量轉(zhuǎn)換成次序型變量主要目的降低變量的復(fù)雜性，如年齡提升自變量的預(yù)測(cè)能力數(shù)據(jù)的標(biāo)準(zhǔn)化篩選有效的輸入變量為什么要篩選如何篩選用線性相關(guān)性指標(biāo)進(jìn)行初步篩選相關(guān)系數(shù)檢驗(yàn)是否相關(guān)，這是通過如下樣本數(shù)據(jù)得到的計(jì)算結(jié)果，來自樣本的統(tǒng)計(jì)結(jié)果需要通過顯著性檢驗(yàn)才能知道其是否適用于針對(duì)總體數(shù)據(jù)的相關(guān)性。R平方R平方，該方法借鑒多元線性回歸的分析算法來判斷和選擇對(duì)目標(biāo)變量有重要意義及價(jià)值的自變量。R平方表示模型輸入的各自變量在多大程度上可以解釋目標(biāo)變量的可變性。取值在[0,1]之間。共線性問題相關(guān)系數(shù)的方法主成分分析方法根據(jù)業(yè)務(wù)經(jīng)驗(yàn)對(duì)變量進(jìn)行聚類關(guān)聯(lián)分析基礎(chǔ)和你愛好合得來的人喜好的，你也很有可能喜好；喜好一件器材

A，而另一件器材

B

與這件十分類似，就很有可能喜好

B；收集用戶的偏好信息顯性數(shù)據(jù)隱形數(shù)據(jù)點(diǎn)擊、搜索、購(gòu)買尋找相似的商品或者用戶產(chǎn)生推薦協(xié)同過濾算法給定用戶評(píng)分?jǐn)?shù)據(jù)矩陣R計(jì)算用戶之間的相似度根據(jù)評(píng)分?jǐn)?shù)據(jù)和相似矩陣計(jì)算推薦結(jié)果基于用戶的協(xié)同過濾用戶商品1商品2商品3商品4A3？35B？54？C542？D24？3E345？電商網(wǎng)站評(píng)分?jǐn)?shù)據(jù)集

——請(qǐng)計(jì)算C對(duì)商品4評(píng)分相似性度量

Slopeone算法Slopeone算法在本例中，項(xiàng)目2和1之間的平均評(píng)分差值為(2+(-1))/2=0.5.因此，item1的評(píng)分平均比item2高0.5。同樣的，項(xiàng)目3和1之間的平均評(píng)分差值為3。因此，如果我們?cè)噲D根據(jù)Lucy對(duì)項(xiàng)目2的評(píng)分來預(yù)測(cè)她對(duì)項(xiàng)目1的評(píng)分的時(shí)候，我們可以得到2+0.5=2.5。同樣，如果我們想要根據(jù)她對(duì)項(xiàng)目3的評(píng)分來預(yù)測(cè)她對(duì)項(xiàng)目1的評(píng)分的話，我們得到5+3=8.如果一個(gè)用戶已經(jīng)評(píng)價(jià)了一些項(xiàng)目，可以這樣做出預(yù)測(cè)：簡(jiǎn)單地把各個(gè)項(xiàng)目的預(yù)測(cè)通過加權(quán)平均值結(jié)合起來。當(dāng)用戶兩個(gè)項(xiàng)目都評(píng)價(jià)過的時(shí)候，權(quán)值就高。在上面的例子中，項(xiàng)目1和項(xiàng)目2都評(píng)價(jià)了的用戶數(shù)為2,項(xiàng)目1和項(xiàng)目3都評(píng)價(jià)了的用戶數(shù)為1,因此權(quán)重分別為2和1.我們可以這樣預(yù)測(cè)Lucy對(duì)項(xiàng)目1的評(píng)價(jià)：于是，對(duì)“n”個(gè)項(xiàng)目，想要實(shí)現(xiàn)SlopeOne，只需要計(jì)算并存儲(chǔ)“n”對(duì)評(píng)分間的平均差值和評(píng)價(jià)數(shù)目即可。根據(jù)Pearson相關(guān)系數(shù)來計(jì)算相似度。R

u,i

是用戶u對(duì)商品i的評(píng)分，i和j是商品用戶u預(yù)測(cè)商品i，計(jì)算用戶u對(duì)相似于商品i的物品的評(píng)分權(quán)值和。將相似度s

i,j

作為權(quán)值加權(quán)在評(píng)分上，則基于項(xiàng)目的協(xié)同過濾文章閱讀數(shù)據(jù)分析就是仔細(xì)推敲證據(jù)數(shù)據(jù)分析的分類探索性數(shù)據(jù)分析：發(fā)現(xiàn)新的特征，如客戶90%來自南方，購(gòu)買金額大體。。。；驗(yàn)證性數(shù)據(jù)分析：在假設(shè)的基礎(chǔ)上進(jìn)行驗(yàn)證電子商務(wù)數(shù)據(jù)數(shù)值數(shù)據(jù)（訪客數(shù)，成交額，成交筆數(shù)，停留時(shí)間。。。）分類型數(shù)據(jù)（電子類產(chǎn)品可以是手機(jī)、電腦、相機(jī)中的一種）性質(zhì)性數(shù)據(jù)（主觀性判斷：打分）

2.5數(shù)據(jù)分析的基本概念和工具問題分解評(píng)估決策百度統(tǒng)計(jì)（）2.5數(shù)據(jù)分析的基本概念和工具Crazyegg熱力圖：對(duì)頁(yè)面熱點(diǎn)進(jìn)行追蹤分析的熱力圖2.5數(shù)據(jù)分析的基本概念和工具CrazyEgg的熱力圖可以準(zhǔn)確地告訴你，訪客在你的網(wǎng)頁(yè)上的哪些部位進(jìn)行了鼠標(biāo)點(diǎn)擊，無論那里有沒有鏈接。使用heatmaps，如果你發(fā)現(xiàn)訪客經(jīng)常點(diǎn)擊的地方?jīng)]有鏈接，或許你該考慮在那里添加一個(gè)鏈接。例如，你發(fā)現(xiàn)訪客總是點(diǎn)擊某個(gè)產(chǎn)品圖片，你能想到的是，他們也許是想看大圖，或是想了解更多的產(chǎn)品信息。同樣，他們可能也會(huì)錯(cuò)誤地認(rèn)為，這是一個(gè)特定的圖片導(dǎo)航。網(wǎng)站流量分析網(wǎng)頁(yè)結(jié)構(gòu)布局策略廣告投放策略目標(biāo)客戶的特征分析目標(biāo)客戶的預(yù)測(cè)模型分析用戶路徑分析用戶分層模型如何提高轉(zhuǎn)化率如何提高客戶客單價(jià)賣家交易模型交易漏斗分析交易路徑設(shè)計(jì)信息質(zhì)量模型商品銷售分析商品推薦模型商品推薦介紹關(guān)聯(lián)規(guī)則協(xié)同過濾算法2.6有哪些數(shù)據(jù)分析需要做流量及轉(zhuǎn)化的漏斗圖分析（細(xì)分和溯源的過程）

用戶購(gòu)買過程的漏斗圖2.6流量及會(huì)員數(shù)據(jù)分析2.6流量及會(huì)員數(shù)據(jù)分析（續(xù)）100%總訪問數(shù)訪客屬性老訪客數(shù)(40%)新訪客數(shù)（60%）購(gòu)物車流失（25%）15%10%流失（50%）訂單支付流失（30%）流失（32%）10%8%5%流失（55%）3%流失（57%）漏斗的對(duì)比分析X軸、Y軸、分析對(duì)象可以根據(jù)不同目的進(jìn)行轉(zhuǎn)換2.6流量及會(huì)員數(shù)據(jù)分析（續(xù)）如何解讀數(shù)據(jù)知道該指標(biāo)的實(shí)際值和行業(yè)參考值優(yōu)先注意數(shù)據(jù)奇異點(diǎn)和數(shù)據(jù)拐點(diǎn)，突然變大或變小一定是受外力的作用。如：給客戶發(fā)短信數(shù)據(jù)要有對(duì)比，可以是同比，也可以是環(huán)比選取合適的數(shù)據(jù)呈現(xiàn)形式數(shù)據(jù)解讀如果收藏人數(shù)多但成交人數(shù)少？回頭率低是什么原因造成的？網(wǎng)站平均停留時(shí)間越長(zhǎng)說明了什么？客戶沉睡周期如何劃分最有效？如何發(fā)放優(yōu)惠券？何時(shí)發(fā)放？如果對(duì)歷史數(shù)據(jù)進(jìn)行分析后發(fā)現(xiàn)，周六晚上8點(diǎn)鐘左右的轉(zhuǎn)化率是最高的，其次是周三上午10點(diǎn)和下午1點(diǎn)。那么如何安排商品的上架工作。數(shù)據(jù)分析如果對(duì)歷史數(shù)據(jù)進(jìn)行分析后發(fā)現(xiàn)，周六晚上8點(diǎn)鐘左右的轉(zhuǎn)化率是最高的，其次是周三上午10點(diǎn)和下午1點(diǎn)。那么如何安排商品的上架工作。50%商品上架時(shí)間是周六晚上8點(diǎn)30%商品上架時(shí)間是周三上午10點(diǎn)20%商品上架時(shí)間是周三下午1點(diǎn)數(shù)據(jù)分析2.7看圖說話：數(shù)據(jù)新聞讓英國(guó)撤軍2010年10月23日《衛(wèi)報(bào)》利用維基解密的數(shù)據(jù)做了一篇“數(shù)據(jù)新聞”。折線圖餅圖柱狀圖轉(zhuǎn)化率用漏斗圖表現(xiàn)最直觀雷達(dá)圖變現(xiàn)產(chǎn)品特性2.7看圖說話（續(xù)）數(shù)據(jù)分析案例一目標(biāo)：如何進(jìn)行數(shù)據(jù)分析及如何基于數(shù)據(jù)分析來優(yōu)化業(yè)務(wù)業(yè)務(wù):以短信或者其他媒體催付款步驟1：確定催付款的客戶群體通過調(diào)查得知，加入購(gòu)物車沒有付款的主要原因如下遺忘沖動(dòng)消費(fèi)不想買了貨幣三家發(fā)現(xiàn)性價(jià)比更高的產(chǎn)品跟客服索要小禮物未遂，心里不平衡支付發(fā)生故障。。。步驟2：確定在哪天付款在等待付款狀態(tài)的訂單中，隨著時(shí)間的推移，付款的人會(huì)越來越少，快速銳減研究表明：人類的記憶保留比例與時(shí)間有一定關(guān)系理論上，第3天催付比較合理，但考慮到客戶尤其是女性往往在購(gòu)買消費(fèi)品時(shí)容易沖動(dòng)型購(gòu)物，所以第2天比較合適。步驟3,：催付時(shí)刻的確定分析一天內(nèi)的每個(gè)時(shí)段的轉(zhuǎn)化率，下午和晚上比較高。步驟4：催付內(nèi)容的確定在不影響客戶體驗(yàn)的基礎(chǔ)上促進(jìn)客戶付款從而產(chǎn)生增量銷售額例子：主人，那家伙又來電話啦，說我是您昨天在XX店購(gòu)買的“寶貝”，今天付款，我就能跟您回家了。退訂回復(fù)[XX]咖啡店現(xiàn)實(shí)數(shù)據(jù)分析實(shí)例二——星巴仕咖啡店銷量時(shí)間目標(biāo)實(shí)際星巴仕董事會(huì)將在三個(gè)月內(nèi)召開,必須拿出方案思考入手點(diǎn)會(huì)見首席執(zhí)行官，弄清楚星巴仕是如何運(yùn)行的會(huì)見董事長(zhǎng)進(jìn)行一次客戶調(diào)查，弄清楚客戶的想法給自己泡一大杯熱氣騰騰的星巴仕咖啡弄清楚目標(biāo)銷售量是如何計(jì)算出來的

日期星巴仕咖啡店編號(hào)1表示完全不同意5表示完全同意星巴仕咖啡店的選址對(duì)我很方便2345端上來的咖啡總是冷熱合適2345星巴仕員工彬彬有禮，咖啡上得很快2345我認(rèn)為星巴仕咖啡非常值12345星巴仕咖啡店是我偏愛去的去處12345市場(chǎng)部每個(gè)月都有隨機(jī)抽查的調(diào)查表如何分析這些調(diào)查數(shù)據(jù)08年8月9月10月11月12月09年1月選址方便咖啡溫度員工熱情咖啡價(jià)值3.53.02.1偏愛去處比較法問題：1.注意到某種規(guī)律了嗎？2.有什么信息能說明銷量下降的原因？解釋：沒有給人物超所值的感受；經(jīng)濟(jì)環(huán)境讓人們錢包變癟了，因此對(duì)價(jià)格更敏感。問題：怎么知道價(jià)值下降確實(shí)導(dǎo)致咖啡銷量下降？會(huì)不會(huì)有其他因素的作用？會(huì)不會(huì)正是銷量下降讓人們認(rèn)為咖啡沒有價(jià)值？如何看出是誰導(dǎo)致誰呢？Soho區(qū)域