TapCub 正式上线:统计、分析、客服一个平台免费用
术语表

什么是分类数据?类型、例子和分析方法

分类数据把记录归入渠道、设备、国家这样的组,而不是测量数量。类型、怎样用计数、占比和众数汇总,以及要避开的陷阱。

苏禾 审核人 陈屿 又称 定性数据 最后更新 2026 年 11 月 19 日 术语表

一句话回答

分类数据是把每条记录放进某个组或标签的数据,比如渠道、设备、国家或套餐,而不是测量数量。你可以对组计数和比较,但对值本身相加或求平均没有意义。

公式: 某组占比 = 该组记录数 ÷ 总记录数

什么是分类数据?

分类数据是把每条记录归入某个组、而不是测量数量的数据。流量渠道、设备类型、国家、套餐名、浏览器,以及“买了没买”,都是分类数据:每个访客属于一个标签,你数的是各个标签下有多少行。

判断方法很简单:对这些值做算术有没有意义?120 和 150 个会话的平均是 135 个会话,有意义;“手机”和“电脑”的平均不存在。如果你能数每组有几行,却不能对值本身加、减、求平均,它就是分类数据。测量尺度的思路来自 Stevens(1946),他把名义尺度和有序尺度同区间尺度、比率尺度区分开。本页讲数据本身和怎么汇总;同一个概念放在表格列上看,叫分类变量,所有类型的全貌见数据类型。

分类数据有哪些类型?

类型规则例子能做什么
名义标签没有天然顺序渠道、设备、国家、浏览器计数、占比、众数
有序标签有顺序,但间隔不一定相等满意度(1–5)、套餐档位(免费、专业、商业)、“从不 / 有时 / 经常”以上全部,再加排名、中位数、名次分位
二值只有两个值(特殊情形)买了没买、登没登录计数、占比(即比率)

有序等级之间的间隔不保证相等:从“满意”到“非常满意”的一步,不一定和“一般”到“满意”的一步一样大。所以有序数据用中位数是安全的,平均数只是近似。见有序变量和有序数据的例子。

分类数据和数值数据有什么不同?

分类数据数值数据
值标签有数量意义的数字
常用汇总计数、占比、众数平均数、中位数、离散程度
常用图表条形图、表格直方图、折线图、散点图
典型问题哪一组最大?多少、多大?
边界情形年龄段(“25–34”)是分类精确年龄是数值

边界情形很重要:同一个事实,记录方式不同,既可以是分类也可以是数值。把数字分段会丢失细节,也让它变成分类。真正是编号的数字(邮编、商品编码)也是分类,尽管看起来像数值。

怎么汇总分类数据?

你有三个工具:计数、占比(计数 ÷ 总数)和众数(最大的那一组)。还可以比较各组的结果比率。

示例数据:一个网站的 1,000 个会话以及下单情况。

设备会话数会话占比订单数转化率
手机56056.0%285.0%
电脑38038.0%3810.0%
平板606.0%23.3%
合计1,000全部会话686.8%
  1. 计数和占比。560 ÷ 1,000 = 56.0% 的会话来自手机,众数是手机。
  2. 按组看结果。电脑的转化率是 38 ÷ 380 = 10.0%,是手机 28 ÷ 560 = 5.0% 的两倍。
  3. 两者合起来读。手机是最大的一组,但转化率只有电脑的一半,这个发现比单独看任何一列都有用。
  4. 小心小组。平板只有 2 个订单:多一个或少一个,转化率就会变动 1.7 个百分点。不要凭 2 个事件下结论。

把分类当成数字会出什么问题?

表格和数据库常把分类存成编码:手机 = 1,电脑 = 2,平板 = 3。编码仍然是标签。把它们求平均得到 (560 × 1 + 380 × 2 + 60 × 3) ÷ 1,000 = 1.5,这个数什么也说明不了,“介于手机和电脑之间”不是一种设备。任何被求平均或求和的编号都是同样的道理。

有序的情形更微妙。给 1–5 分的满意度求平均是常见做法,但它假定各级间隔相等。报告平均数时,把各等级的占比分布也放在旁边。

分类的取值太多怎么办?

基数是不同取值的个数。设备列只有几种;页面网址或搜索词可能有成千上万种,每种只有几行。500 根柱子的条形图没法读,占比也变成噪声。

实用规则:

  • 展示前 10 名,其余合并为“其他”,并说明“其他”占了多少。
  • 计数之前先合并近似重复的值(utm_source 的 “Google” 和 “google”;“/pricing” 和 “/pricing/”)。
  • 归到上一层(页面 → 栏目,城市 → 国家)。
  • 建模时,高基数分类需要专门的编码;Google 机器学习速成课程讲了常见做法。

哪些图表和检查适合分类数据?

  • 条形图:名义数据按大小排序;有序数据保持天然顺序。
  • 表格:写出计数、占比和结果比率。
  • 避免饼图,超过 5 块就不要用。
  • 检查各组互斥且完整。每一行应该恰好属于一个组;用明确的“未知”代替丢掉空值。
  • 占比要连同计数一起比较。4 个里的 50% 和 4,000 个里的 50% 可信度不同。

分类数据的常见误区

  • 标签不统一。“US”“USA”和“United States”在合并之前是三个组,每一组的占比看起来都比实际小。
  • 丢掉空值。如果 8% 的会话没有国家信息,表格悄悄把它们去掉,其他所有占比都会偏高。要显示“未知”。
  • 在不同的基数上比较占比。手机占会话的 56%,但可能只占收入的 40%;永远要说明百分比是谁的百分比。
  • 用很小的组去读比率。60 个里 2 个订单是 3.3%,多一个订单就变成 5.0%。
  • 把重叠的类别当成互斥。用过两种浏览器的访客属于两行,所以占比加起来可能超过全部。

在 TapCub 里怎么看分类数据?

在分析工具里,分类就是你用来拆分数字的维度。接着上面的设备例子:

  1. 打开拆分。 网站统计 › 受众列出浏览器、操作系统、设备类型和国家,每行有访客、浏览量、跳出、平均时长和占比。网站统计 › 来源对渠道和 UTM 参数做同样的事。
  2. 比较各组的结果。点一行把它加为筛选,再打开 网站统计 › 目标,只看这一组的目标转化。真人和机器人分开统计,所以爬虫不会抬高“电脑”这样的分类。
  3. 看你自己的事件属性。 全端分析 › 数据管理 › 事件与属性显示每个事件的次数、去重人数和占比,以及属性值的拆分,“套餐”“按钮名称”这类分类就出现在这里。
  4. 留意长尾。 全端分析 › 数据管理 › 数据质量里有“高基数”页签,会标出不同取值太多的属性,比如把网址存进属性。在 全端分析 › 数据管理 › 属性字典里,白名单只保留允许的值,其余都存成 __other,这就是“前 N 名加其他”的规则在采集时就执行。
  5. 知道 TapCub 不做什么。它负责对分类计数和算占比,不做卡方等显著性检验,小分组要按上面的经验规则自己判断。

资料来源

这个解释清楚吗?

我们会根据反馈修改和补充这篇内容。

苏禾

数据分析师

围绕流量来源、转化漏斗与用户留存写作,重视指标口径和分析过程,用具体示例解释数字背后的问题。

常见问题

常见追问

大家看完定义后最常问的几个问题。

还有其他问题?

直接和 TapCub 团队聊聊——工作日通常几小时内回复。

分类数据有哪些例子?

流量渠道、设备类型、国家、浏览器、套餐名、支付方式,以及“买了没买”这样的是否回答。有序的例子有满意度评分(1 到 5)和套餐档位。每条记录带一个标签,你数每个标签下有多少条。

名义数据和有序数据有什么区别?

名义类别没有天然顺序,比如设备或国家。有序类别有意义的顺序但间隔不等,比如“从不、有时、经常”。有序数据可以用名次和中位数;名义数据只能用计数、占比和众数。

年龄是分类数据还是数值数据?

精确年龄是数值。“25–34”这样的年龄段是分类,因为把数字分段会变成标签并丢失细节。同一个事实,记录方式不同,既可以是数值也可以是分类。

怎么分析分类数据?

对每个组计数,算它占总数的比例,找出众数。再比较各组的结果比率,比如转化率,并同时给出计数,避免过度解读小组。用条形图,把长尾归并成“其他”。

在你自己的网站上看这个数字

加一行脚本就能开始,网站和 App 都能接,几分钟内就能看到第一批报表。

看清数据,找到增长。

每一次点击,都有数据依据。装好一行代码,1 分钟看到第一批数据。

无需信用卡 · 统计与客服都有免费版 · 统计无 Cookie