应用, 统计编程开发 - No Comments » - Posted on 十二月, 8 at 10:10 下午

用Python进行数据分析的好处是,它的数据分析库目前已经很全面了,有NumPy、pandas、SciPy、scikit-learn、StatsModels,还有深度学习、神经网络的各类包。基本上能满足大部分的企业应用。用Python的好处是从数据抽取、数据收集整理、数据分析挖掘、数据展示,都可以在同一种Python里实现,避免了开发程序的切换。

这里就和大家分享我做的一个应用实例。解决问题:自动进行销售预测,提高准确率,减少人工一个一个SKU进行预测分析。最终的效果如下图:

1、用到的工具

当然我们只需要用Python和一些库就可以了。
pandas:数据整理
numpy:pandas的前提,科学计算
MySQLdb:mysql数据库链接
statsmodels:统计建模
pylab:图形处理
flask:web框架

2、Flask的安装

请参考 http://docs.jinkan.org/docs/flask/,在Flask的app目录下建立一个forecasting.py的python文件,在Flask的app的templates目录下建立一个forecastin.html的模版文件,两个文件的内容如下:
forecasting.py

# -*- coding: utf-8 -*- 
from app import app
from flask import render_template

@app.route('/forecasting/')
def forecasting(item=None):

    return render_template("forecasting.html")

forecastin.html

<!doctype html>
<title>Hello World</title>

Hello World

在DOS窗口运行

python d:pyflaskrun.py

在浏览器打开http://127.0.0.1:5000/就可以看到forecasting.html模版的内容显示了。

接下来我们从头建一个预测模型。

阅读全文»


统计编程开发 - 1 Comment » - Posted on 一月, 17 at 4:17 下午

本文的前提是你已经安装好了ROR和R语言,本文的环境是:windows8.1 64位,R-64位,通过Railsinstaller安装的Ruby1.93和rails3.2,并且已经安装了rinruby。

一、定义ROR的访问路径,在项目文件下的config/routes.rb进行如下的修改
  get "rlngs" => "rlngs#index"
  post "rlngs" => "rlngs#run"
二、建立控制器
class RlngsController < ApplicationController
	def index
	end
	def run
		require "rinruby"#加载rinruby库
		@Rtest=params[:Rtest]#接收名为Rtest的值
		@Rtest=@Rtest.gsub("\r\n",";") #这里把接收到的R语句的回车变为;号,如果要处理更复杂的R,这里需要想更多的办法。
		R.eval @Rtest#执行R脚本
	end

end
三、建立视图

在项目文件下的app/views里建立一个与控制器同名的文件夹rlngs。

在rlngs里创建输入R页的视图文件index.html.erb

<form accept-charset="UTF-8" action="/rlngs" method="post">
<p>请输入R语句:</p>
<textarea cols=50 rows=10 name="Rtest" id="Rtest">
x <- rnorm(10)
summary(x)
a <- sd(x)</textarea>
<p></p>
<input name="commit" type="submit" value="运行R" />
</form>

在rlngs里创建运行后的视图文件run.html.erb

运行的R命令如下:</br>
<%=@Rtest %>
<p></p>
四、通过浏览器运行

通过在项目文件中dos运行“rails s”后,在浏览器中输入http://127.0.0.1:3000/rlngs

点击运行R按钮后,如下:

优化:你可以在输入框中用标准的R语言引用一个R脚本文件,如下图。

缺点:运行的结果暂时没有想到什么方法来动态来提取显示到web中。

欢迎读者交流指正。


统计编程开发 - No Comments » - Posted on 一月, 15 at 4:34 下午
一、通过rinruby集成Ruby和R语言

把R语言集成到传统的编程语言让R语言变得更强大。R语言内置强大的统计工具,但有时候也会让你很郁闷。值得庆幸的是,Ruby可以做很多事情,效率也非常高,而整合R和Ruby是一个相当简单的过程。前提是你安装好了Ruby,如果不知道如何安装,放狗搜索。然后安装gem install rinruby。RinRuby是一个Ruby库,把R解释器集成在Ruby中,让R的统计程序、图形功能可以在ruby中使用。它安装简单,不需要任何特殊的编译或安装。由于它是100%纯Ruby库,它适用于多种操作系统,RinRuby的方法很简单,可读性很强。

>>gem install rinbuby

正确安装后,在Ruby中就可以这样使用rinruby了

>>require "rinruby"

只要引入了rinruby,就不需要进行rinruby的其它配置了,并且系统为自动生成一个rinruby的实例,名字叫R,就可以通过rinruby使用R语言了。简单的例子:

require "rinruby"
R.eval "x<-rnorm(5)"
R.eval "summary(x)"

结果如下:

   Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
-0.1573  0.2125  0.4733  0.5620  1.0750  1.2070 

很简单就可以在ruby中使用R语言了。

二、从R中获取数据返回给Ruby

数据从R传递到Ruby,使用的是rinruby的pull方法。先前定义的R实例化对象x,我们计算x的平均数m,然后让m返回给Ruby。

R.eval "m<-mean(x)"
v1 = R.pull "m"
puts v1
RinRuby也支持一种简单的方法,使用之前定义好的R变量(其名称符合Ruby的要求)。例如:
v1 = R.m

并且pull方法可以采取任意的R表达式。例如:

v1 = R.pull "mean(x)+3"
三、从Ruby向R传递数据

从Ruby传递数据到R,可以使用assign方法。例如:

score = [87,89,67,99,78,88,83]
R.assign "s",score
R.eval "mean(s)"

结果显示[1] 84.42857

也可以使用一种简单的写法,如下:

R.s = score
四、通过引用R脚本运行R

如果你的R代码很大,那最好的方法是写在一个.R的文本文件中,如以下代码保存在C:\R\test.R

x <- c(22,44,55,33,45,66,76,56,45,34)
y <- mean(x)

然后我们在Ruby中如下引用

R.eval "source('C:/R/test.R')"
puts R.y

如果你在尝试加载R包时出现R库路径不正确之类的提示,类似下面的错误提示:

Error in library(x) : there is no package called 'x'

可以执行R的.library()函数,设置库的路径:

R.eval ".libPaths('C:/Users/XX/Documents/R/win-library/3.0')"

简单的在Ruby中使用R语言的介绍就到这里,稍后再整理一份详细的rinruby文档,敬请留意。


应用 - 1 Comment » - Posted on 一月, 21 at 9:39 下午

一年之前,移动互联网的创业者们都会纠结一个问题:我是先做一个iOS的App,还是Android的app呢?现在创业者们可能会有第三个选择了:“开一个微信的公众账号(最新的微信内测版已经把公众账号更改为应用账号,微信或许会成为移动操作系统的应用内类似APP Store的app)”,接下来我来分享一下微信公众账号的开发与应用的一种方式。 

一、注册微信公众账号

http://mp.weixin.qq.com里注册微信公众账号。 

二、开发HTML5 web程序

通过HTML5、CSS3、Jquery Mobile等移动技术快速开发一个可以在andorid的默认浏览器或iOS里的Safari运行的HTML5网站。

因为本文讨论的是为了微信公众号的开发与应用,经过研究,不管android或iOS里的默认浏览器是否为系统自带的浏览器,android里的微信会调用android里的内置浏览器,iOS里的微信会调用Safari,由于HTML5并不是所有浏览器都支持HTML5所有标准,所以我们开发HTML5微信应用,先要保证在微信调用的浏览器里能正常运行。如果需要知道这些浏览器与HTML5的兼容情况,可以用微信访问http://html5test.comhttp://css3test.com

这些HTML5应用里可以直接引用微信特有的几个js函数,分享到朋友圈:weixinShareTimeline,发送给微信好友weixinSendAppMessage,分享到腾讯微博weixinShareWeibo和关注指定微信号weixinAddContact,需要注意的是,这几个函数一定需要在在微信中才能使用。下面介绍两种HTML5微信应用:

聊天室

用户添加后,自动返回一个链接,在微信中点击此链接,即自动以微信号注册账号,可以实时进行匿名聊天。 

微信开发与应用的另一种方式:聊天室 微信开发与应用的另一种方式:聊天室

论坛

一个针对discuz论坛开发的HTML5应用,通过微信可以直接访问论坛,实现无缝整合。 

微信开发与应用的另一种方式:论坛 微信开发与应用的另一种方式:论坛 微信开发与应用的另一种方式:论坛

三、通过微信接口API,关联微信号

通过微信API获取用户发送的内容,通过API与HTML5应用数据库关联,发送相关信息返回给用户,并且给出链接,用户通过链接访问HTML5应用。 

四、打包为HTML5 web app

由于HTML5应用实际是一个web应用网站,可以通过浏览器进行访问,通过PhoneGap工具,把HTML5应用制作为android或iOS的安装包,实现移动操作系统本地化app。

上述的微信开发方式,结合了微信、HTML5和andorid/iOS app,实现了一次开发多渠道运行的应用,节省了开发成本,并且紧跟微信发展,站在移动应用的前端。 

不是题外话的题外话

随着微信开放更多的API,基于微信的创业机会将越来越多,创业者们对微信热情在不断升温。从国外的LINE等相似应用的经验来看,游戏肯定是商业化的金矿之一。基于应用开放平台有几类模式适合在微信上发展:

  • 一是内容出版发行类的;
  • 二是类似传统的呼叫中心、CRM、OA等系统可以对接、移植和扩展到微信平台上;
  • 三是微信电子商务及O2O;
  • 四是受制于淘宝和百度的各行各业的创业者,都能够参与微信生态链的建设并从中受益。

目前微信在对整个平台的运营力度与商业开放方面,还比较保守,腾讯自己会在微信上做什么、会新做什么,也许是创业者们最大的担心吧。


数学分析, 相关系数, 销售预测 - 2 Comments » - Posted on 七月, 24 at 10:39 下午

介绍统计学中的一元和多元线性回归,并通过EXCEL自带的统计函数LINEST、INDEX进行手工计算,再通过EXCEL数据分析工具包进行自动计算。

由于很多复杂的EXCEL自动化程序,需要用到自动化计算,EXCEL数据分析工具并不适用自动计算,反而EXCEL统计函数是很容易实现批量自动计算。

所以本文重点介绍EXCEL统计函数的使用。

统计学上的线性回归原理简介

回归是研究一个随机变量y对另一个(x)或一组(x1,x2,…,xn)变量的相依关系的统计分析方法。其中y又叫因变量,x叫自变量。

简单的记忆方法:x是自身可以变动的,y是因为x的变化而变化的,就不会把自变量和因变量的意义搞乱。

线性回归是自变量与因变量之间是线性关系的回归。

一般来说,因变量只有一个,自变量会有一个或多个。下面就按因变量的数量及类别为分:一元线性回归、多元线性回归。

一元线性回归

一元线性回归是指一个因变量y只与一个自变量x有相关关系,通过公式可以表示为如下图:

一元线性回归

其中a称为斜率,b称为截距。

它的意思是当x增减一个单位时,y会同样增减a个单位的x,如a=2时,x增加一个单位,y就增加2个单位x。

通过EXCEL统计函数LINEST来实现一元线性回归分析,在EXCEL的A1到B10输入如下数据:

x y
1.1 200
1.9 245
2.5 367
4 400
4.5 550
5 540
5.9 667
7 770
1 210

使用LINEST线性回归函数进行手工计算。

LINEST函数可通过使用最小二乘法计算与现有数据最佳拟合的直线,来计算某直线的统计值,然后返回描述此直线的数组。

也可以将 LINEST 与其他函数结合使用来计算未知参数中其他类型的线性模型的统计值,包括多项式、对数、指数和幂级数。因为此函数返回数值数组,所以必须以数组公式的形式输入。

LINEST语法

LINEST(known_y’s, [known_x's], [const], [stats])

  • Known_y’s 必需。关系表达式 y = mx + b 中已知的 y 值集合。如果 known_y’s 对应的单元格区域在单独一列中,则 known_x’s 的每一列被视为一个独立的变量。如果 known_y’s 对应的单元格区域在单独一行中,则 known_x’s 的每一行被视为一个独立的变量。
  • Known_x’s 可选。关系表达式 y = mx + b 中已知的 x 值集合。known_x’s 对应的单元格区域可以包含一组或多组变量。如果仅使用一个变量,那么只要 known_y’s 和 known_x’s 具有相同的维数,则它们可以是任何形状的区域。如果使用多个变量,则 known_y’s 必须为向量(即必须为一行或一列)。如果省略 known_x’s,则假设该数组为 {1,2,3,…}, 其大小与 known_y’s 相同。
  • const 可选。一个逻辑值,用于指定是否将常量 b 强制设为 0。如果 const 为 TRUE 或被省略,b 将按通常方式计算。如果 const 为 FALSE,b 将被设为 0,并同时调整 m 值使 y = mx。
  • stats 可选。一个逻辑值,用于指定是否返回附加回归统计值。如果 stats 为 TRUE,则 LINEST 函数返回附加回归统计值,这时返回的数组为 {mn,mn-1,…,m1,b;sen,sen-1,…,se1,seb;r2,sey;F,df;ssreg,ssresid}。如果 stats 为 FALSE 或被省略,LINEST 函数只返回系数 m 和常量 b。

附加回归统计值如下:

统计值 说明
se1,se2,…,sen 系数 m1,m2,…,mn 的标准误差值。
seb 常量 b 的标准误差值(当 const 为 FALSE 时,seb = #N/A)。
r2 判定系数。y 的估计值与实际值之比,范围在 0 到 1 之间。如果为 1,则样本有很好的相关性,y 的估计值与实际值之间没有差别。相反,如果判定系数为 0,则回归公式不能用来预测 y 值。
sey Y 估计值的标准误差。
F F 统计或 F 观察值。使用 F 统计可以判断因变量和自变量之间是否偶尔发生过可观察到的关系。
df 自由度。用于在统计表上查找 F 临界值。将从表中查得的值与 LINEST 函数返回的 F 统计值进行比较可确定模型的置信区间。有关如何计算 df 的信息,请参阅本主题下文中的“说明”。
ssreg 回归平方和。
ssresid 残差平方和。

下面的图示显示了附加回归统计值返回的顺序。

附加回归统计值

在任意单元格中输入=LINEST(B2:B10,A2:A10,TRUE,TRUE),计算得出来的结果为94.33。Linest函数直接计算,返回的是第一个自变量的系数,LINEST返回的是一个数组,即上述的图表。

如果要通过EXCEL数组来实现这种功能。选定A14:B18,在EXCEL地址栏输入=LINEST(B2:B10,A2:A10,TRUE,TRUE),然后同时按CTRL+SHIFT+ENTER,返回一个表格,表格中的每个单元格的公式显示为:{=LINEST(B2:B10,A2:A10,TRUE,TRUE)}

94.34 93.92
6.20 25.89
0.97 37.62
231.78 7
328,061.71 9,907.85

对应上表及上述的图,解释上表的各个参数的意义。

  • 94.34就是x的系数a,
  • 93.92为截距b,
  • 6.2为x的系数a的标准误差值,
  • 25.89为截距(常量)b的标准误差值,
  • 0.97为相关系数,
  • 37.62为y估计值的标准误差,
  • 231.78为F统计值
  • 7为自由度,
  • 328061.71为回归平方和,
  • 9907.85为残差平方和。

上述返回的统计值,最常用的是自变量的系数a和常量b,如果在EXCEL自动化程序中,很少会用上述的返回一个表格的方式,因为LINEST返回的是一个数组,可以通过index函数取得数组中的每一个值。

x的系数a可以在任意单元格式输入=INDEX(LINEST(B2:B10,A2:A10,TRUE,TRUE),1,1),截距b可以在任意单元格式输入=INDEX(LINEST(B2:B10,A2:A10,TRUE,TRUE),1,2),index函数第一个参数是指定一个数组,第二和第三个参数是指定返回的行列位置。

所以上述的一元线性回归的拟合直线函数为y=94.34x+93.92,相关系数为0.97。

多元线性回归

多元线性回归是指一个因变量y只与多个自变量x有线性相关关系,通过公式可以表示为如下图:

多元线性回归

a为每个自变量对因变量y的影响因素,我们以二元线性回归为例,用EXCEL函数LINEST进行分析。数据如下,填充在EXCEL的A1:C10中。

x1 x2 y
4 1.1 200
7 1.9 245
11 2.5 367
14 4 400
19 4.5 550
22 5 540
22 5.9 667
25 7 770
5 1 210

选定A14:C18,在地址栏中输入=LINEST(C2:C10,A2:B10,TRUE,TRUE),按CTRL+SHIFT+ENTER,返回一个表格,表格中的每个单元格的公式显示为:{=LINEST(C2:C10,A2:B10,TRUE,TRUE)},如下表:

69.17 6.88 87.37
34.05 9.14 28.11
0.9732 38.84 #N/A
109.00 6.00 #N/A
328,916.50 9,053.05 #N/A

此表格和一元线性回归的表格一样,只是多了一列,因为多了一个自变量。多出一列的内容是另一个自变量的系数和它的标准误差值。同样可以通过用INDEX函数取得数据的每一个值。根据上表可以得到拟合的线性回归函数y=69.17×1+6.88×2+87.37

用EXCEL数据分析工具进行回归分析

接下来通过EXCEL数据分析工具实现上述一元线性回归分析的计算,并可以验证上述的计算过程。如果你的EXCEL中找不到数据分析,请先为EXCEL添加数据分析工具的加载宏。

 

  • 选中A1:B10,打开数据分析,选中“回归”后,点击“确定”按钮。EXCEL数据分析工具-回归
  • 按下图填写好自变量X、因变量Y的区域A1:A10,B1:B10,选择“标志”,意思是说表格中包括有表头字段,填写输出区域A26,点击“确定”后即可。EXCEL数据分析工具-回归
  • 结果如下,可以清晰的看到用LINEST计算出来的结果与数据分析工具分析得到的结果是一样的。
    EXCEL数据分析工具-回归

下载LINEST回归分析EXCEL例子文件

点击下载线性回归.xls


相关系数 - No Comments » - Posted on 五月, 31 at 2:58 下午

Google Correlate是Google的一个实验室项目,它可以找到真实世界里流行趋势的搜索序列。比如搜索“Hand cream”(护手霜),可以看到每年这个词汇的搜索热度(蓝色线条),因为是明显的季节性产品,所以每年的冬天都会火一把。

google相关性分析

 

Google同时会列出很多与Hand cream相关的搜索关键字,比如“cracked hands”(手开裂),你可以对比cracked hands(红色线条)和Hand cream在各个时间段上搜索热度的比较。

每一个相关词前面都会有一个相关系数,表示它们之前的相关程度,cracked hands和Hand cream的相关程度为0.94,是很高的相关性。

我们还可以选择图表中(支持拖拉)2010年至2011年进行详细分析:

google相关性分析

更清楚的了解两者的相关程度。

我们也可以点击右上角的,以散点图的形式查看相关性:

google相关性

注意:Google Correlate相关性只是表示两个事物之间的相关性,并不代表因果性,学统计学的人应该不会搞错,没学过统计学的人注意了,相关性不代表因果性。如一个刚刚出生的孩子的身高与一棵树苗的高度,有很强烈的相关性,但完全不存在任何因果性。

比如搜索“Whitening”(美白),人们越来越关注美白。但这个趋势居然跟“homeowners insurance cost”(家庭财产保险成本)非常相似,相关度达到0.9,但我们不能说这两者是相关的,所以这个相关性不是绝对的,还是需要人工判断的。

google相关性分析

 

google相关分析还有一个强大的功能,手工画一条趋势线,看看什么事物符合这样的趋势,我们尝试如下图。

手工画一条趋势线,看看什么东西在2005年很流行,然后就销声匿迹。

google相关性分析

 

得到的结果是爱立信的T237手机,手机的更新换代真的是太快了,这个手机一两年内就销声匿迹了。

google相关分析还有一个地区分析的应用,目前只是基于美国地区,我们还是搜索Hand cream,可以看出irish sweater爱尔兰毛衣与head cream在地区分布上有很大的相似性,当然它们不是同类东西。

 

google correlate真的是一个好工具,欢迎大家有好的应用与大家分享。我猜,google相关分析应该是基于我们平时在google搜索的时候,在页面底部会出现搜索建议的这一功能而提炼出来给我们使用的。最近比较关注google的数据分析方面的应用,尽可能在这里和大家分享。

 


数学分析 - 1 Comment » - Posted on 五月, 31 at 2:41 下午

日常推广需要对流量进行分析。而流量分析中的核心是是分析流量的价值,流量的价值是通过流量的订单转化率来衡量的,本人把在运营一个电子商务网站的流量分析的心得与大家分享,如有不明之处,请与本人联系。email:liangbw@gmail.com QQ56065014。

一、订单转化率的定义

订单转化率,即单位流量(UV或IP,按实际需要使用,以下简称流量)所带来的订单数量,即每一百流量带来的订单数量,如1%,2%等。

订单转化率是衡量电子商务网站的一个非常重要的指标。在团购网站,我们需要知道:

  • 如何统计订单转化率
  • 如何分析订单转化率
  • 如何提高订单转化率

 

二、如何统计订单转化率

简单的统计订单转化率是很简单的,拿每天的订单数量除以每天的流量,即得到每天的订单转化率。但如果需要分渠道(来源、客户或者更多角度)来统计订单转化率,就需要使用专业的工具、复杂的设置来实现此功能。我在美心计团购网上采用google analytics来实现此统计分析功能。下面就把我在一个电子商务网站的实施过程一一与大家分享。

Google analytics是google公司出品的强大的统计分析工作,http://www.google.com/analytics/,本文重点不在于教你如何安装及使用google analytics,关于这方面的内容,你可以google一下。Google analytics的强项不仅在于流量统计,更强大的是它的分析功能。下面我就用它来实现订单转化率分析。

1.放置统计代码

<script type=”text/javascript”>

var _gaq = _gaq || [];
_gaq.push([‘_setAccount’, ‘UA-88888888-8‘]);
_gaq.push(['_trackPageview']);

(function() {
var ga = document.createElement(‘script’); ga.type = ‘text/javascript’; ga.async = true;
ga.src = (‘https:’ == document.location.protocol ? ‘https://ssl’ : ‘http://www’) + ‘.google-analytics.com/ga.js’;
var s = document.getElementsByTagName(‘script’)[0]; s.parentNode.insertBefore(ga, s);
})();

</script>

 

将上面的UA-88888888-8更改为你自己的统计编号即可。

2.目标设定

修改配置文件设置,添加一个目标,按下图进行设置,其中目标渠道设置是我按我的网站的购买过程的每一个步骤进行设置一个子目标,这样可以实现统计客户购买的过程中的每一步的转化率。目标网址可以自定义,但在添加代码中需要使用(参考下面第3点的代码设置)。

美心计订单转化率

3.网页代码

按我们设置的渠道目标,在相应的网页中加入代码。

  • 第一步:用户点击“购买按钮”,在此处添加下面的代码(红色部分)美心计订单转化率onclick=”pageTracker._trackPageview(‘/buy/step_click.html’);”
  • 第二步:用户进入购物车,点击“确认无误,下订单”,在此处添加下面的代码(红色部分)
    美心计订单转化率 

    onclick=”pageTracker._trackPageview(‘/buy/step_qty.html’);”

     

  • 第三步:用户进入订单确认页,点击“确认订单,付款”,在此处添加下面的代码(红色部分)
    美心计订单转化率 

    onclick=”pageTracker._trackPageview(‘/buy/step_order.html’);”

     

  • 第四步:在用户付款成功后,进入一个付款成功的页面,如果付款未成功是不可能进入的,可以在此页而的<body>里添加下面的代码(红色部分)
    onload=”pageTracker._trackPageview(‘/buy/step_pay.html’);”

 

以上步骤,对应于目标设置图里的红色标记处的内容。如果你网站的购物流程不一样,请同时修改目标设定及网页代码。

完成以上工作,google analytics统计器就会正式工作,等上半天的时间,在google analytics后台中就可以看到订单转化率了。

三、如何分析订单转化率

1.简单分析

在google analytics中,点击“目标”-“转化率”,选择一定的时间段,就可以查看订单转化率。

美心计订单转化率

2.渠道转化率

在google analytics中,点击“目标”-“渠道可视化”,我选择一天的流量进行统计,如下图,是客户在购物的每一个流程的转化情况。

美心计订单转化率

2.多角度分析订单转化率

  • 自定义群体

    点击左边的“我的自定义信息”-“高级群体”,创建新的自定义群,出现下图。

    美心计订单转化率

    按我的分析操作,展开流量来源,把“来源”拉到右边的“维度或指标”,在条件中选择“包含”,值输入“tuan800.com”

    美心计订单转化率

    你也可以添加“或”或“与”条件,来更细化分析,最后命名群体为“tuan800.com”

  • 按群体查看订单转化率

    同样,我们在google analytics中的转化率中,点击右上角的“高级群体:所有访问次数”,按下图进行选择。

    美心计订单转化率

    选择的结果如下图。

    美心计订单转化率

    你可以清楚的知道各个渠道的流量来源的订单转化率,至此,我们实现了各种渠道的订单转化率的分析统计。

    在自定义群体中,还可以按不同的条件细分群体,如地面推广时,你可以推广http://www.statr.cn/?3,这样你可以在自定义群体中添加此类群体,你就可以知道地面推广的访问人数及订单转化率了。

    订单转化率及不同群体的转化率,意义非常重大,它可以指导你的广告投放,实现投入产出最大化。


数学分析, 销售预测 - 5 Comments » - Posted on 三月, 5 at 7:05 下午

            基于今年的增长与去年与前年同比增长相同的前提下,为了更准确的描述这个增长的情况,一般使用前N年同比增长的几何平均数代替。此方法没有不需要用到本年本月(N月数据)所以无需使用两种方法进行预测。

 


 

  • 此方法对于只有一年的数据的新产品,无法进行预测;
  • 对于销售比较稳定的产品非常有效;
  • 对于季节性产品的预测也非常不错。

数学分析, 销售预测 - No Comments » - Posted on 二月, 17 at 10:40 上午

           以往多年的同期与上月(或再上一个月,或前N月平均等)商的几何平均数为同期环比增长系数,再乘以今年的上月(或再上一个月或前N月平均,取决于前面的增长系数如何计算)的销售,就得到本期的本月销售预测数。它是基于本期本月比本期上月的增长和往年的平均增长率一样的前提下进行的。
            

………………………以N月预测值为基数 

………………………以N-1月实际值为基数


 

  • 此方法对于只有一年的数据的新产品,无法进行预测;
  • 此方法对于增长比较平稳的产品预测非常有效;
  • 经济波动大的时候此方法不太适合;
  • 处于成长期或衰退期的产品不太适合;
  • 比较适用于处于成熟期的产品预测;

数学分析, 销售预测 - 2 Comments » - Posted on 二月, 9 at 5:18 下午

将近一年没有更新博客了,工作太忙了,没时间整理内容,现在把工作中应用到的一些经验文档整理出来与大家分享,销售预测方法一系列方法将会在近期与大家分享,大约会有10种左右,对销售预测有兴趣的人,或正在做销售预测的人,或正在寻找销售预测方法的人,都将会是一个很好的参考资料。

线性同比绝对增长法

以本年与去年同期数据进行对比,基于本月比上月绝对数同增长的前提假设下,得出的同比绝对量增长计算方法。如果去年同期没有销售(即销售数据不足一年),则不能使用此方法进行预测。第一个公式分别为以本月数据预测下月,第二个公式以本月预测下下月。

 

……………………..以N月预测值为基数(N月指本月)

……………………..以N-1月实际值为基数(N-月指上月)
  • 是指y年m月的预测销量
  • 此方法不适合只有一年数据的销售预测
  • 此方法适合对销售波动变化不大的产品进行销售预测
  • 经验证,对销售波动变化不大的产品此方法十分有效