数据统计口径是什么意思数据统计口径是什么意思( 七 ) _知识分享

分析阶段的4个陷阱
终于到了直接创造价值的部分了！前面三个步骤，十二个陷阱，通常会占据数据分析工作80%以上的工作量，但大家感受不到他们的价值。那些工作的价值几乎都是隐性的，没有他们做基础，万万不能。但让那些付出产生回报的分析里，却藏着4个是最容易让数据变成谎言的陷阱。
陷阱十三：不剔除假流量就做数据分析。
近5年，在线广告的假流量占比持续降低，但平均下来占比也高达30% ，虽然假流量的比例在逐年下降，但即使是最乐观的估算2020年这个占比也能到四分之一。而某些重灾区，这个数字甚至会超过50% ，更有甚者超过80% 。
这么大的比例，不剔除出去，数据分析还有什么意义！
为什么会有这么大的比例呢？
首先，造假的直接成本太低。机器人假流量的直接成本很低，是真流量的千分之一！即使是那种技术含量很高，很难识别的机器人假流量，直接成本也不到真流量的百分之一。而“肉鸡”则更难识别，且直接成为也不到真流量的五十分之一。利润太大了，总是有人抵抗不住这种诱惑的。
其次，广告主买到假流量仍赚钱就没事。我们拿最夸张的80%举例，只要这20%的真流量带来的收益，比广告投放成本高，广告主就没必要较真，当做流量的真实价格是标价的5倍就好。除非有另一平台，带来的收益更高，那即使假流量更大，广告主也会考虑换到那里。
再次，实锤假流量很难。造假技术也是在不断升级的，能升级到什么程度呢？《猫鼠游戏》里有段台词说得好：“技术上来讲，他不是在做假支票，就是在做真支票。”有些假流量高级到，除了没有付款，所以你怀疑它是假流量外，你找不到任何证据。
最后，假流量是个巨大的利益集团……点到为止！点到为止！
如何应对假流量呢？
1) 我很想教大家如何识别假流量，但曾经我用某种方法，证明了1个渠道是假流量，对方不接茬了。结果下次，相同的方法无法证明这个渠道是假流量了，但转化毫无提升，我怀疑还是假流量，又费了很大力气才实锤就是假流量。这就很尴尬了，我实锤吧，这招下次就不好使了，我不实锤吧，就得看着他们继续作孽。所以，有机会线下和大家细说，这里只分享一个方法，比如分辨率的宽连号从1300-1399 ， 100个数字全都有，且流量占比相同，最重要的是分辨率的高都是0 。挺玄幻是吧，还有更玄幻的呢。找多了假流量你会发现，真的很有趣，点到为止哈！
2) 有些你严重怀疑是假流量，但没有上面那么明确的证据该怎么办呢？反正他是不会有转化，不会有付款的，把它当成低质量流量处理就好了。
3) 一个渠道真假流量混合怎么办？根据实锤证据把假流量筛出去，再分析。
陷阱十四：不对指标细分，不加其他相关指标验证。
总说在线业务的例子，很枯燥，这里换个篮球场上数据分析的例子。
有个球员，新赛季投篮命中率55.7% ，上赛季投篮命中率48.7% ，提升了7个百分点，那我们是不是就可以认为，他们投篮更准了呢？命中率更高和投篮更准是一回事吗？听起来像是一回事哈，数据支持这种想法吗？
我们把投篮区域分成：篮下、中投和三分，细分看看数据是什么情况。
上赛季
本赛季
三分
33.3%
27.8%
中投
37.5%
36.7%
篮下
71.4%
71.0%
合计
48.7%
55.7%
惊不惊喜！
意不意外！
这是开了什么挂？！篮下、中投和三分和上赛季比都下降了，但合计命中率居然上升了！
我们加入按投篮区域细分命中/出手数据，再看下：
上赛季
本赛季
命中率
命中/出手
命中率
命中/出手

数据统计口径是什么意思 数据统计口径是什么意思( 七 )

数据统计口径是什么意思数据统计口径是什么意思( 七 )