责任编辑译者撷取了6个常见的统计数据挖掘方式，并因地制宜事例展开了预测开拓，期望能对你有协助。
两个商品，如果你难以来衡量它，你就难以如是说它，顺理成章，你就难以改良它。统计数据挖掘归根结底，是这样两个辅助工具——通过统计数据，他们能来衡量商品，能如是说商品，能在统计数据驱动力下改良商品。
在统计数据挖掘应用领域，他们指涉老子特别强调的五个字来说，叫“道、法、术、器”
“道”则是指路径，是指导方针，是发展战略；“法”则是指优先选择的方式，有句话说“选择比不懈努力重要““术“则是指操作方式控制技术，是专业技能的多寡、工作效率的决。比如说使用预测辅助工具的控制技术（deploymentExcel展开统计数据挖掘的水平）；“器“则是指贵重物品和辅助工具，在统计数据挖掘应用领域指的是统计数据挖掘的商品或辅助工具，“工欲善其事，工欲善其事”。而在统计数据挖掘和商品、营运强化方面，统计数据挖掘方式是其核心理念，归属于“法”和“术”。
那么统计数据挖掘方式都有什么样呢？上面周瑜君为大家如是说统计数据挖掘过程中常见的6种预测方式。
01 行业龙头预测方法
行业龙头预测法是最常见的统计数据挖掘方式，对两个分项按不同的层次展开行业龙头查阅，常常就能找出影响统计数据分项跌幅的原因。行业龙头方式能分成三类：
两类是逐渐预测，比如说：来天津市的来访者可分成顺义，顺义区店庄；
第二类是层次交叠，如：源自订阅SEM的新来访者。
以周瑜ioB2Cdemo为例：
对【退款获得成功】该事件按【省市】特性行业龙头查阅，能够明晰的窥见【北京】地区的跌幅与【退款获得成功】统计数据分项跌幅关系非常密切。
（图为周瑜io demo实操页面）
行业龙头预测方法除了对分项异常展开深入预测之外，平时的统计数据分项，如果想要知道该分项的各占比情况，也会经常见到行业龙头功能。比如说注册获得成功分项中有多少占比是男性，多少占比是女性；退款获得成功中会员的占比是多少，非会员的占比是多少。行业龙头是个常见到难以常见的功能。
02 漏斗预测方法
转化漏斗预测是业务预测的基本模型，最常见的是把最终的转化设置为某种目的的实现，最典型的是完成交易。在使用漏斗过程中除了优先选择各步骤的该事件外，还需要特别注意漏斗的转化时间。不同应用场景转化时间各不相同。比如说在申请获得贷款授信上，能按同一会话来看转化情况；B2C类的转化时间能按同一天内来看转化情况；具体的要根据实际业务场景来设置转化的周期。
（图为周瑜io demo实操页面）
除了通过漏斗的方式来看各流程之间的转化，还有一种情况是计算转化率，比如说新增用户到注册获得成功的转化率是多少，这类转化一般通过两个该事件展开四则运算来实现。
（图为周瑜io demo实操页面）
漏斗预测模型已经广泛应用于网站和APP的用户行为预测中，例如流量监控、CRM系统、SEO强化、商品营销和销售等日常统计数据营运与统计数据挖掘工作中。
03 留存预测方法
留存预测方法是一种用来预测用户参与情况和活跃程度的预测模型，从用户的角度来说，留存率越高就说明这个商品对用户的核心理念需求也把握的越好，转化成商品的活跃用户也会更多，最终能协助公司更好的盈利
然期望他们尽量多的能够留存下来。通过留存预测找出留存下来的用户，找出留存下来的用户他们是因为平台给他们传递什么价值他们才留存下来，如果把这个平台价值能更好的传递给新来的用户，那就能让更多新用户留存下来。
整体用户的留存情况，通过行业龙头、对比等方式，寻找高留存用户的特征，提升整体用户的留存情况。
（图为周瑜io demo实操页面）
04 画像预测方法
在统计数据挖掘中，经常会用到用户画像预测，比如说在漏斗转化过程中，有200个用户在某个流程中流失了，那他们需要对这200个用户展开画像查阅，查阅具备什么样特征的用户特别容易流失。再比如说他们去广告投放之前，他们需要知道商品核心理念用户的用户画像，这样在优先选择广告渠道上面就会非常得心应手，在换量的渠道上，也能评估他们的用户群体和他们商品的用户画像是否一致，有多大比例上重叠的。
（图为周瑜io demo实操页面）
05 对比预测
对比预测主要是将两个相互联系的分项统计数据展开比较，两个分项本身可能看不出多少有用信息，但将两组统计数据展开对比，能够解读的层次就相较之前会多一些，通过相同层次下的分项预测，能发现业务在不同阶段的问题。
常见的对比方式包括：时间对比、空间对比、标准对比。
比如说绝对值或比例值对比，环比或同比对比，跟同行业或者自己展开对比，亦或者通过划分不同用户群，用户群之间展开对比预测。
以周瑜ioB2Cdemo为例：
对「查阅商品详情」事件以「商品分类」特性行业龙头，对「搜狗用户群」与「百度用户群」展开对比预测，他们能很明晰的查阅到「源自百度」的用户比例更高，为之后营运工作开展奠定了基础。
（图为周瑜io demo实操页面）
06 AB测试
增长黑客的主要思想之一，是不要做两个大而全的东西，而是不断做出能够快速验证的小而精的东西，快速验证，那如何验证呢？主要方式是AB测试。当他们从统计数据中找出问题的时候，他们需要验证洞见是否正确，这时候就需要AB测试的帮忙，将一批用户引导到新的营运方案上，之后来验证洞见是否正确。只有从用户中得到验证的假设才是有价值的。
比如说：你发现漏斗转化中中间有漏洞，假设一定是商品价格问题导致了流失，你看到了问题，也想出了主意。但主意是否正确，要看真实的用户反应，于是采用AB测试，一部分用户还是看到老价格，一部分用户看到新价格，若你的主意真的管用，新价格就应该有更好的转化，若真如此，新价格就应该确定下来，如此反复强化。
当然除了上面提到的预测方式之外，还有其他的预测方式，比如说热力图预测、归因预测等等，预测方式更多是术的层面，在使用哪种预测方式之前，还是需要定义清楚问题和通过那些层次去寻找突破口，再借助统计数据挖掘方法，这样才能达到事半功倍的效果。
责任编辑由 @周瑜io 原创发布于人人都是商品经理。未经许可，禁止转载。
题图源自Unsplash，基于CC0协议。
