
21. 如果研究有实验设计和研究设计,所以实验设计,包括所谓双盲实验、正交设计、 拉丁方格等,确定样本分组是非常精细的,有助于研究品质;但设计缺陷会造成降 低品质; 22. 处置组和对照组的设计,主要应用在传播效果、广告效果研究上,需要有设计原则 23. 实验设计也强调对其它影响因素的控制, 也就是 X 对 Y 的影响, 要控制住 Z 的干扰, 更能提高研究品质 24. 被访者的参与度(你的激励方式)也重要,一分钱一分货;我们是花钱买信息 25. 任何理由都是可解释的,但这里主要是要用术语,越专业越说行话,别人更相信, 所以解释样本量的科学性,有时候要用科学,也就是理论; 26. 因为有理论,显得有水平,因为有水平就有话语权,就有执行力!所以权威部门的 设计或出面,客户就相信了! 27. 研究过程,不断修正,比如追加样本也是解决问题的办法 28. 连续性研究,也会解决或减少对样本量的需求 29. 广告效果研究经常采用 rolling data 的方式,因为广告效果有延迟效应,每周 50 个样本,4 周一个分析,就是 200 样本,第五周分析前 4 周,第六周分析 2-5 周 数据,进行比较和检验,这是常有方法;
如何在 Excel 里实现一张图显示多系列直方图
我们在分析的时候,经常需要设计模拟器,特别是在结合分析和离散选择模型中,通过模拟 分析市场份额进行测算!当然,有时候我们特别希望根据不同的选择显示不同的数据结果, 特别是图表结果! 例如: 下面是在模拟某个汽车品牌市场竞争环境的效用值分析用到的方法, 通过选择不同的 属性,可以在统一视图下看到各个属性的水平效用值!
首先我们假设有这样一个结合分析需求(Conjoint Analysis):
通过市场调查和结合分析得到某个类别的特定效用值:
现在我们需要采用直方图(条形图)方式给出效用值图,但是如果能够整合在一起,用一 张图表述就非常方便啦!有没有解决方法呢? 其实,只要我们把这组数据进行重新排列和组合,让后利用 Vlookup 函数,就可以方便 实现! 首先,我们把数据重新组合排列: 注意:因为不同属性的水平不同,也就意味着不同直方图系列长度不一,我们需要恰当分 配和布局
然后,在蓝色单元格里分别写 Vlookup 函数语句
红色单元格,主要目的是把 0 值转换成空格,=IF(单元格=0,""该单元格) 接下来,针对红色单元格,画直方图,Lable 用前半部分,数值取后半部分,图标用最后 一列! (这要求大家在画图的时候,能够细致调整具体内部和格式) 最后,大家设计一个单选按钮选择,从视图——>窗体——>工具栏(单选按钮),将单 选按钮的链接单元格设定为 A1,上图左上角黑色的位置!
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15在机器学习入门领域,“鸢尾花数据集(Iris Dataset)” 是理解 “特征值” 与 “目标值” 的最佳案例 —— 它结构清晰、维度适 ...
2025-10-15在数据驱动的业务场景中,零散的指标(如 “GMV”“复购率”)就像 “散落的零件”,无法支撑系统性决策;而科学的指标体系,则 ...
2025-10-15在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13分库分表,为何而生? 在信息技术发展的早期阶段,数据量相对较小,业务逻辑也较为简单,单库单表的数据库架构就能够满足大多数 ...
2025-10-13在企业数字化转型过程中,“数据孤岛” 是普遍面临的痛点:用户数据散落在 APP 日志、注册系统、客服记录中,订单数据分散在交易 ...
2025-10-13在数字化时代,用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”,到视频 APP 的 “打开→搜索→观看→收藏”,再到银 ...
2025-10-11在机器学习建模流程中,“特征重要性分析” 是连接 “数据” 与 “业务” 的关键桥梁 —— 它不仅能帮我们筛选冗余特征、提升模 ...
2025-10-11在企业的数据体系中,未经分类的数据如同 “杂乱无章的仓库”—— 用户行为日志、订单记录、商品信息混杂存储,CDA(Certified D ...
2025-10-11在 SQL Server 数据库操作中,“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选,还是将数值转 ...
2025-10-10