有序数据是有天然顺序、但没有已知差距的分类数据:你可以把「满意」排在「一般」之上,却说不出高出多少。所以中位数和各等级的占比是安全的汇总,而平均数悄悄假设了步长相等。下面的示例里,重新给标签编号后,两组在平均数上互换位置,在中位数上却不变。
读完你会知道
- 报告中位数或前两档的占比,并在旁边展示完整分布
- 重新给标签编号就翻转的比较,只是关于你选的数字
- 先给 NPS 和分段分档再计分;不要对分段求平均,也不要对单个题目比较 4.1 和 4.0
什么是有序数据?
有序数据是类别有天然顺序、但类别之间的差距并不是已知数量的分类数据。「不满意、一般、满意」是有序的:满意排在一般之上,但没有任何东西说明高出多少。应用或订单的 5 星评分、客服优先级(P1 到 P3)、套餐等级(免费、专业、企业)都是同一种情形。
它由两个性质决定:
- 有顺序。 你可以说某个值比另一个高。
- 没有距离。 1 星到 2 星的一步,不保证等于 4 星到 5 星的一步。
第二个性质决定了这篇的全部内容。所以你可以找中间值,数每个等级有多少人选,但把数值加起来再除要谨慎。数据类型的整体家族见数据类型;这一页讲有序数据在实践中的用法。另见有序变量和分类变量。
有序数据和名义、区间、比率数据有什么区别?
Stevens(1946)把测量分成四个层级,每一级比前一级允许更多的算术。
| 层级 | 能说什么 | 例子 | 合适的汇总 |
|---|---|---|---|
| 名义 | 相同或不同 | 设备类型、国家、套餐名 | 计数、占比、众数 |
| 有序 | 更高或更低 | 星级评分、优先级、套餐等级 | 中位数、百分位、各等级占比、众数 |
| 区间 | 差多远,但没有真正的零点 | 摄氏温度、日历日期 | 平均数、标准差、差值 |
| 比率 | 是几倍,有真正的零点 | 收入、会话时长、订单数 | 以上全部,加上比值 |
套餐等级是个好的检验。「专业版高于免费版」是有序的。「专业版每月 30 美元,免费版 0 美元」是关于另一件事的比率数据:价格。等级标签和它的价格是两个变量,只有价格能求平均。
同一个变量,记录方式不同,层级也不同。以年为单位的年龄是比率数据;年龄段(「18–24」「25–34」)是有序的;一旦分段,就没法把原来的年龄平均回来。
产品和客服里有哪八个有序数据的例子?
| # | 例子 | 等级 | 注意什么 |
|---|---|---|---|
| 1 | 应用或订单的星级评分 | 1 到 5 星 | 一星和五星扎堆很常见;平均数会掩盖它 |
| 2 | 客服满意度评分(CSAT) | 1 到 5 | 只统计回答的人 |
| 3 | 李克特同意度题目 | 非常不同意到非常同意 | 不同问卷的量表长度要保持一致 |
| 4 | NPS 问题 | 0 到 10 | 通常先分成贬损者、被动者和推荐者再计分 |
| 5 | 缺陷严重程度 | 低、中、高、严重 | 各团队的标签不同 |
| 6 | 客服或任务优先级 | P3、P2、P1 | 不同公司里「P1」含义不同 |
| 7 | 套餐等级 | 免费、专业、企业 | 顺序按等级,不一定按对你的价值 |
| 8 | 公司规模段 | 1–10、11–50、51–200、201+ | 是比率变量的分段;宽度不等 |
这八种都能排序,没有一种的差距能精确说出来。前三种另见提升满意度。
| 层级 | 能说什么 | 合适的汇总 |
|---|---|---|
| 名义 | 相同或不同 | 计数、占比、众数 |
| 有序 | 更高或更低 | 中位数、百分位、各等级占比 |
| 区间 | 差多远 | 平均数、标准差 |
| 比率 | 是几倍 | 以上全部,加上比值 |
每一层级都允许它上面各层级的运算。
该用哪种汇总?一个算例
示例数据:200 位客户对一次客服体验从 1 到 5 打分。
| 评分 | 1 | 2 | 3 | 4 | 5 | 合计 |
|---|---|---|---|---|---|---|
| 回答数 | 10 | 20 | 30 | 60 | 80 | 200 |
- 平均数:(1×10 + 2×20 + 3×30 + 4×60 + 5×80)÷ 200 = 780 ÷ 200 = 3.90
- 中位数:排序后第 100 和第 101 个回答都是 4(累计数:10、30、60、120、200),所以中位数是 4
- 前两档占比:(60 + 80)÷ 200 = 70%
- 后两档占比:(10 + 20)÷ 200 = 15%
这里平均数和中位数一致,单凭这个没人会担心。现在和第二组 B 比较,B 的回答数是 20、20、20、50、90。
| 平均数(1–5 编码) | 平均数(1、2、3、4、10 编码) | 中位数 | 前两档占比 | 后两档占比 | |
|---|---|---|---|---|---|
| A | 3.90 | 5.90 | 4 | 70% | 15% |
| B | 3.85 | 6.10 | 4 | 70% | 20% |
两种编码都保持 1 < 2 < 3 < 4 < 5 的顺序,所以都是给有序量表编号的合法方式。按常见的 1–5 编码,A 的平均数更高(3.90 对 3.85)。把最高一档记成 10 而不是 5,B 就反超 A(6.10 对 5.90)。重新给标签编号就翻转的比较,从来不是关于数据,只是关于你选的数字。 中位数在每种合法编码下都是 4,两组前两档占比都是 70%,所以两者都不能说明哪一组更满意。后两档占比能说明:B 有 20% 的客户打了 1 或 2 分,A 是 15%。
实用规则:
- 必须只给一个数字时,给中位数,或者前两档(或后两档)的占比。
- 总要在旁边展示完整分布,像上面那张分布表那样。
- 如果因为相关方习惯而报平均数,不要靠 0.05 的差距给分组排名。
这一点并非人人同意。很多从业者报告李克特平均数,而 Jamieson(2004)认为对单个题目这样做不合适。Liddell 和 Kruschke(2018)表明,把有序评分当作度量数据处理会产生系统性误差,包括各组平均数的排序被颠倒,上面的例子就是它的缩影。
200 条客服评分按等级统计
示例回答对有序数据,决策规则长什么样?
用两个占比代替一个平均数,这样规则就不会被少数极端回答左右。比如:「至少 70% 的回答在 4 或 5 分,且不超过 15% 在 1 或 2 分。」 套用到上面两组:
| 分组 | 前两档占比 | 后两档占比 | 两条都达标? |
|---|---|---|---|
| A | 70% | 15% | 是 |
| B | 70% | 20% | 否:后两档超过 15% |
B 不达标是因为不满意的那一端,而 3.85 对 3.90 的平均数会把它埋进一个四舍五入的差别里。在看到下个月数据之前就把阈值写下来,并且先看回答数:只有 12 条回答时,一条回答就能让占比波动 8 个点(1 ÷ 12 = 8.3%)。这里的阈值是示例,不是基准,请根据你自己的历史数据设定。
有序数据该怎么画图?
- 每个等级一根柱,按顺序排。 等级按天然顺序放,不按字母或大小。每组用一根堆叠柱画出全部 5 个等级,就能比较形状。
- 用一种逐渐变深的颜色,或从中间向两边发散的两种颜色。 从低到高用顺序色,从负面到正面用发散色。有顺序的等级不要用互不相关的颜色。
- 不要用线连接各等级。 线暗示类别之间的步长相等。
- 不要用饼图。 顺序很重要,饼图把它藏起来了。
- 同时标注数量和百分比。 10 个里的 70% 和 1,000 个里的 70% 不是一回事。
最常见的错误有哪些?
- 对单个评分题求平均,再比较两位小数。 4.1 对 4.0 可能是噪声,也可能是分布变了,这个数字分不清。
- 把「NPS」当平均数。 先给 0–10 的回答分档,再计算分数。
- 混用量表长度。 5 分制的平均数和 7 分制的不可比。比较对应的高档和低档占比。
- 忽略不回答的人。 如果只有 6% 的客户评分,你排的是自己选择参与的少数人;见选择偏差。
- 把分段当数字。 公司规模段是有序的。不要报「平均段位 2.4」。
- 用平均数回答「有多少」。 「有多少人不满意」这类问题要的是占比,不是平均数。
关于平均数和中位数的一般选择,见平均数与中位数。
在 TapCub 里怎么处理有序数据?
从客服满意度的例子开始。TapCub 在会话解决后 24 小时内记录一个 1 到 5 的满意度评分,每个会话一个评分,报表里平均到一位小数。
- 把平均数当作提示来读。 在客服 › 客服报表里,满意度数字是这些评分的平均数。按上面的逻辑,把它当作深入查看的信号,而不是给坐席排名。
- 谨慎看按人拆分。 坐席工作量里有每个人的满意度。只有五个评分的坐席和有五十个评分的坐席,不能按小数点比较。
- 把你自己的评分当事件记录。 TapCub 不做问卷。如果你的产品收集评分,把它作为带数值属性的事件发送,比如
rating。在全端分析 › 行为分析 › 行为分析里,用属性值的分布视图能看到每个取值有多少评分。 - 用中位数汇总,不只用平均数。 在全端分析 › 行为分析 › 自定义指标与 SQL里,从该事件定义一个自定义指标,聚合方式选中位数,或者直接用 SQL 查事件,并在旁边放 4–5 分评分的占比。
- 比较之前先分群。 用全端分析 › 用户 › 分群与标签比较新用户和回访用户、或不同渠道的评分,并且先确认各组的人数。
常见问题
用简单的话说,什么是有序数据?
有序数据是一组你能排序、但量不出类别之间差距的类别。满意度等级、星级评分、优先级标签都是典型例子。你知道 5 星比 4 星好,但不知道好多少。
有序数据可以求平均数吗?
可以算,很多人也这么做,但它假设各等级之间的差距相等,而有序数据并不保证这一点。优先用中位数和各等级的占比;如果也给了平均数,就同时报告完整分布。
李克特量表是有序数据吗?
单个李克特题目(同意到不同意)是有序的。有些分析者把几个题目的总分或平均数近似当作数值;这是依量表和问题而定的判断,所以要说明你这样做了。
有序数据和名义数据有什么区别?
名义类别没有顺序(设备类型、国家)。有序类别有顺序(低、中、高)。两者都是分类数据,但只有有序数据支持中位数或「前两档」占比。
NPS 是有序数据吗?
0–10 的回答是有序的。净推荐值把它们分成三档,用推荐者占比减去贬损者占比,这是对占比的计算,不是对回答求平均。
另见:数据的例子:按类型看真实分析数据行,以及每种类型能做什么。
资料来源
- Stevens, S. S. (1946). On the Theory of Scales of Measurement. Science, 103(2684), 677–680.
- Jamieson, S. (2004). Likert scales: how to (ab)use them. Medical Education, 38(12), 1217–1218.
- Liddell, T. M., Kruschke, J. K. (2018). Analyzing ordinal data with metric models: What could possibly go wrong? Journal of Experimental Social Psychology, 79, 328–348.
这篇文章对你有帮助吗?
我们会根据反馈修改和补充这篇内容。
提交没有成功,请稍后再试。
谢谢你的反馈,我们会据此改进这篇内容。你已经反馈过这篇了,谢谢。

