[[387534]]

對比分析是數據分析中最常用的、最好用、最實用分析方法之一。沒有對比就不能說明問題，這也是對比分析在數據分析領域經久不衰的原因之一。對比分析是將兩個或兩個以上具有可比性的數據進行比較，分析其中差異，以揭示事物發展規律。

1沒有對比就不能說明問題

其實每個人在很小的時候就接觸到了對比分析，還記得小時候自己的成績總會被爸媽與鄰居家小孩作比較，自己的成績也會被爸媽拿了和往期成績作比較，以分析自己到底是進步了還是退步了。這可能就是最貼近我們生活的對比分析，有對比就會有傷害，可為什么一定要對比呢?

雖然某些時候對比真的很討要，但是沒有對比就不能說明結論!舉個例子來說，2020財年淘寶天貓GMV達成6.589萬億，如果沒有對比GMV只是一個數字而已，我們并不知道這個數字代表的業務狀況到底如何，業務是增長了呢，還是衰退了呢?如果我們把前三財年的GMV數據也放上，就會發現2020財年的GMV是增長的，從這個對比數據來看業務是穩定上升的。這就是對比分析在數據分析中的作用，沒有對比就沒有數據結論!

2對比分析到底和誰比

確定對比的對象是數據分析的第一步。對比的對象可以是自己，也可以是行業。如果是和自己比的話，可以通過某段時間的業務平均值、中位數等統計指標來衡量業務的整體大小;也可以通過變異系數來衡量業務整體的波動;同時也可以使用同比、環比等指標來衡量業務的變化趨勢。如果是和行業比較的話，可以通過行業趨勢與業務發展趨勢進行對比，以判斷業務發展是否健康;當然也可以和行業的金標準進行對比，以確定業務發展是否達到行業標準，進而調整業務發展方向和策略!

3對比分析到底怎么比

確定了對比對象之后，進而我們需要確定如何比。根據對比分析的用途，我們將其劃分為三大塊，分別是衡量數據整體大小、衡量數據整體波動、衡量數據變化趨勢。面對不同的場景，對比分析選擇的維度和指標也不盡相同，總結如下圖所示。

1.衡量數據整體大小

對于數據整體大小的衡量，可以將業務數據與某段時期內的平均值、中位數、目標值作比對，當然也可以和行業金標準做對比。

11月是電商大促活動月，11月的GMV高于全年月均值、全年月中位數是必然的結果。這時候就可以和當初定下來的目標值進行比較，看今年的大促活動是否達到預定目標，若沒有達到則可以繼續分析到底是哪個區域、哪個品類、哪個環節存在問題，以積累經驗下次大促避免類似情況發生。當然，也不能隨隨便便就否定自己的成績，可以將11月GMV和行業的金標準比一比，高于行業標準說明這次大促還是高于行業水平，有值得肯定的地方。

2.衡量數據整體波動

數據的波動整體波動可以分為周期性波動、業務內部因素影響的波動、外部因素影響的波動、數據傳輸問題而造成的數據波動以及其他意外因素引起的數據波動。

數據周期性、內因和外因引起的數據波動屬于正常波動，對于這三類波動的衡量可以用不同時期內的變異系數、方差、標準差等進行對比。各個指標如何計算，我們這里就不在贅述。

3.衡量數據趨勢變化

對于數據變化趨勢的衡量，可以考慮從時間和空間兩個不同維度展開考慮，從時間維度可以考慮橫向比較、縱向比較、同比、環比、定比等等，而從空間維度的話可以產品、用戶、區域等多個層面進行對比分析。

3.1 時間維度

從時間維度上講，可以通過橫向比較、縱向比較、同比、環比、定比以及特殊時期對比說明結論。

橫向對比是相同周期不同階段的比較，可以是天、月、季、年的同比、環比等等。例如對比雙十一大促期間每一天的GMV就是橫向比較。

縱向對比相同周期內不同區域、不同類目、不同商家、不同客戶群體的比較。例如，對比各品類雙十一期間的成交額就是縱向比較。

同比用于觀察長期的數據，是本期數據與上一年同期數據的比值。通常情況下，在數據分析中會用同比增長率衡量業務趨勢，其計算公式如下：

同比增長率 = (本期數據-上年同期數據) / 上年同期數據 * 100%

例如，2020年11月的GMV與2019年11月的GMV相比增長了56.12%，這就叫做同比增長率。

環比用于觀察短期數據，是當前周期與上一周期的比值，可以是本月與上月的對比、本周與上周的對比、當年11月與當年10月的對比。同樣地，環比增長率是較為常用的評價指標。其計算公式如下：

同比增長率 = (本期數據-上年同期數據) / 上年同期數據 * 100%

例如，2020年11月的GMV與10月的GMV的對比就叫環比，其增長率就叫環比增長率。

定比也是趨勢分析的重要指標之一，是當前周期數據與固定周期數據的比值，定比增長率的計算方式與同比、環比增長率相似，如下所示：

定比增長率 = (本期數據-固定期數據) / 固定期數據 * 100%

特定時期的對比也是非常重要的對比方法，這種方法在實際的數據分析中更為常用，可以是不同版本之間的比較，量化版本變更帶來的實際效益;也可以是活動前后的比較，量化活動開展是否達到預設目標;當然還可以是廣告投放前后用戶留存率的比較，以評判廣告買量用戶的效果。

3.2 空間維度

在空間維度進行對比，可以來考慮從產品、用戶、區域等維度進行展開分析，可以考慮具有可比性的同類產品進行比較，也可以選擇同一個產品的不同版本的數據進行比較;而對于區域來說的話，則可以對比同一指標在不同區域的表現;對于用戶來說，可以對比不同層級類別的用戶，也可以將同類型的用戶分為兩組進行A/B 測試。

在產品層面，可以通過與相似產品進行對比以分析次日留存率是否健康。例如，可以對比抖音和快手的次日留存率，發現快手用戶的次日留存率略高于抖音，抖音可以推出某些活動促活，從而提高次日留存率。

-在地區層面，就是將關鍵指標拆分到不同的地區，然后分析該指標在不同地區的表現。例如，我們將11月份的GMV拆分到各個地區，分析各個地區對于GMV的貢獻，找出可提升GMV的方案。

-在用戶層面，可以將用戶進行分組，對比不同組別用戶在某一指標下的差異;也可以選定一個用戶群體，比較該用戶群體在不同天的留存率表現，即同期群分析。例如，根據用戶的付費信息將用戶分為大中小R，對比各個組別對付費的貢獻率，分析結果符合“二八法則”。

-用戶和產品交叉分析也是常用的分析思路，通常來說就是A/B測試，即選定同樣群體的用戶，將其分為兩組，分別給他們展示不同顏色的網頁對比其點擊率，以評判哪種顏色的網頁更受歡迎。

4對比分析的可比性原則

對比分析需要堅持可比性原則，即對比對象相似，對比指標同質。

-堅持對比對象相似的原則，就是說對比的對象要是同類型的，屬于同一領域的，例如，抖音和快手相比，淘寶和拼多多相比。如果拿淘寶的GMV與B站的GMV相比可能就不太合適!

-堅持對比值指標同質的原則，包括指標口徑范圍相同、指標計算方式一樣和指標計量單位一致。例如，我們不能用抖音2020年的平均留存率與快手2019年的平均留存率相比，因為指標口徑范圍不同;同樣地，我們也不能用2020年抖音的用戶留存率與流失率進行比較，因為指標計算方式不一致;另外指標的單位也是容易忽略的點，淘寶1月的GMV是1.98億元，2月的GMV是23800萬元，那么1.98和23800之間也是沒有可比性的，只有統一了單位之后，GMV才具有可比性。

5總結

本篇文章從為什么需要對比出發，詳細地闡釋了對比分析和誰比、怎么比以及對比分析需要堅持的原則，由小到大，由點到面，全面地介紹了對比分析方法論。對比分析作為最常用的分析方法，作為數據分析師要做的不僅是對比，更重要的是分析和追蹤，將分析結果落地，讓數據產生價值，讓分析產生價值!

對于比分析用途廣泛，其中還涵蓋了很多其他分析方法，例如，漏斗分析、同期群分析以及A/B測試等等，這些方法的具體應用還會繼續更新，歡迎持續關注數據萬花筒!

參考文章

https://zhuanlan.zhihu.com/p/113809686

https://zhuanlan.zhihu.com/p/77982962

https://zhuanlan.zhihu.com/p/265649298

https://zhuanlan.zhihu.com/p/33740513

https://zhuanlan.zhihu.com/p/139431238

https://zhuanlan.zhihu.com/p/165654260

https://www.zhihu.com/question/356709109

https://mp.weixin.qq.com/s/pvpqUQCfr6U5Q6UGZLXhZA

https://www.jiemian.com/article/4419770.html