Excel电商数据分析与应用 课件 2.数据分析方法论2.pptx

;;;熵值法源自信息学科，广泛应用于对数据集的离散程度评估，也可用于估算权重从而计算综合得分。

1.原理

在信息论中，熵是对不确定性的一种度量。信息量越大，不确定性就越小，熵也就越小；信息量越小，不确定性就越大，熵也就越大。根据熵的特性，可以通过计算熵值来判断一个事件的随机性及无序程度，也可以用熵值来判断某个指标的离散程度，指标的离散程度越大，该指标对综合评价的影响越大。

因此，可根据各项指标的变异程度，利用信息熵计算各指标的权重，为多指标综合评价提供依据。

2.计算

例2-25：表2-25是3个产品测试时的数据，使用熵值法对产品的表现进行综合评估并排名。;解：本例有3个款式的产品可供选择，每个款式的产品有3个属性，由于3个属性的量纲不同，因此需要用熵值法求出各属性的权重以及在产品中的贡献度。设产品总量为m，得分为x，产品序号为i，属性序号为j。

将表2-25转变成p矩阵，如表2-26所示，p为数值与各列之和的商，pij=xij÷∑xij。;将p值乘以ln(p)得到各个评分的贡献度，Eij=pij×ln(pij)，得到表2-27所示的E矩阵。

根据k=1÷ln(m)，其中m为产品总量，此例m=3，计算得k=0.910239。

根据以下3个公式，计算出的结果如表2-28所示。

贡献总量E=k×∑p

一致性程度D=1-E

权重W=D÷∑D;由于得分的量纲不同，先使用Min-Max标准化方法，将值转换成[0,1]区间的数值，再用每个属性的得分乘以权重值W后相加得到综合得分，综合得分落在[0,1]区间，如表2-29所示。;;漏斗分析法是结合了流程分析的方法，更强调事件的发展过程，按照事件发展的过程分析问题，属于数据分析中的方法。它能够科学地反映用户行为状态，以及从起点到终点各阶段用户转化率的情况，是数据分析中重要的分析模型。

目前，漏斗分析法已经广泛应用于网站用户行为分析和App用户行为分析的流量监控、产品目标转化等日常数据运营与数据分析工作中。

图2-10所示为淘宝生意参谋的交易漏斗图，从访客到下单，再到支付，可运用漏斗分析法在这个过程中洞???问题。;漏斗分析法;例2-26：现有用户交易过程的数据如图2-11所示，使用Excel画出数据集的漏斗图。

解：设置各环节数据表格，注意量纲必须一致。选中数据，在【插入】选项卡中选择【漏斗图】选项，如图2-12所示。;创建漏斗图并设置好图表标题后的效果如图2-13所示。;右击漏斗图，在弹出的快捷菜单中选择【设置数据系列格式(F)】命令，在【设置数据系列】窗格中，将间隙宽度设置为50%，如图2-14所示。;在【插入】选项卡中选择【形状】选项，如图2-15所示，选择【下箭头】。

图2-16所示为在漏斗图中添加下箭头后的效果。;在【插入】选项卡中选择【文本框】选项，如图2-17所示，在箭头旁插入文本框。

【格式】选项卡中，将文本框的形状和边框都设置为无填充，如图2-18所示。

设置好的漏斗图如图2-19所示。;添加从浏览商品到完成交易的转化率，最终效果如图2-20所示。

通过图2-20可以发现，整个流程中最大的问题出现在“加入购物车”这个环节，运营人员可重点优化这个环节。;;创建矩阵

创建矩阵至少需要两个维度，每个维度有N个交点，因此两个维度形成（N+1）×（N+1）

的二维平面图。以N=1为例，形成2×2=4的二维平面图，也称为四象限分析法。

例2-27：表2-30所示为某店铺5个产品的表现数据，用矩阵分析法分析数据。;解：用矩阵分析法分析数据的步骤如下。

①在Excel中选中支付金额和访客平均价值，创建散点图。

②根据两个指标的平均值设置x轴和y轴的交点。

③基于(20262.62,15.14)划分4个坐标区域，每个数据点代表一个产品，分布在4个区域内，

如图2-21所示。;定义矩阵

绘制矩阵图需根据画图的两个维度对矩阵进行定义，因此理解指标背后所代表的业务意义，是矩阵分析法的关键。支付金额代表产品的市场份额，访客平均价值代表流量价值。

添加定义后的矩阵如图2-22所示，定义如下。

（1）右上角的区域市场份额和流量价值都较高，可定义该