一句话回答
数据分段是按一个或多个条件(人是谁、在哪里、做过什么、从哪来等)把数据集拆成较小的组,让每一组可以单独观察、互相比较。
公式: 分段占比 = 分段规模 ÷ 总数。比率 p 在 n 个会话上的 95% 粗略误差范围 = 1.96 × √(p × (1 − p) ÷ n)。
什么是数据分段?
数据分段(Data Segmentation)是按一个或多个条件把数据集拆成若干较小的组,让每一组可以单独观察、互相比较。条件可以是人是谁(年龄、公司规模)、在哪里(国家)、做过什么(购买、搜索、取消)、从哪来(渠道),也可以是什么时候(哪一周、哪个季节)。关键在于:全体平均值可能把某些规律藏起来,而在每一组内部这些规律一目了然。
Experian 把它描述为把数据整理成更小、更好管理的组;Coursera 补充说它与销售和营销关系最密切,分出的组用来针对性地设计信息和优惠。在安全和网络领域,同样的词有另一层意思:把数据或网络隔开,让只有部分人或系统能访问各个部分。本页讲的是分析上的含义。
有两个近邻词需要区分。分群指一个可复用的组,数据分段指选择产生这些组的条件这个动作。受众分群是营销上的用法,分出的组会变成广告或邮件的受众。
常见的分段维度
Experian 列出了行为、人口属性、企业属性、地理、心理和技术环境几类拆法。放到产品和网站分析里,它们对应你手上已有的几列数据:
| 维度 | 回答什么问题 | 拆分示例 | 数据来源 |
|---|---|---|---|
| 人口属性 | 这个人是谁? | 年龄段、职位 | 注册表单、个人资料 |
| 企业属性 | 是什么样的公司? | 1–10 人与 200 人以上 | 注册表单、数据补全 |
| 地理 | 在哪里? | 国家、时区 | 由 IP 得到的位置、账单地址 |
| 技术环境 | 用什么设备和软件? | 手机与电脑、浏览器、App 版本 | 设备和浏览器数据 |
| 获客 | 怎么来的? | 渠道、活动、着陆页 | 来源与 UTM 数据 |
| 行为 | 做过什么? | 30 天内使用功能 X 三次以上 | 事件埋点 |
| 时间 | 什么时候? | 注册周、月份、季节 | 事件时间戳 |
| 价值 | 价值多大? | 消费区间、套餐 | 订单、账单 |
行为这一类在行为分群里有单独的一页;共享同一个起点并随时间追踪的组叫同期群。
怎么选拆法
哪种拆法合适取决于要做的决定,所以从决定倒推。
- 先说出决定。 “下一轮活动预算花在哪?”指向获客;“谁收到新手引导邮件?”指向行为或注册时间。
- 选能改变答案的维度。 如果每一组都会导致同样的行动,这样拆只增加工作量,没有新的发现。
- 让各组互斥且完整。 每个人恰好落在一个组里,各组加起来等于总数。做不到这一点,就无法公平比较。
- 把每个组写成机器能重新计算的规则。 “过去 30 天的手机访客”是规则,“休闲用户”不是。
- 先看组的大小,再看比率。 40 人的组撑不起比率对比,下面的算例会说明。
算例:总体平均下降,而每个组都在变好
示例数据:某网站比较 3 月和 4 月。转化率 = 转化数 ÷ 会话数。
| 月份 | 分段 | 会话数 | 转化数 | 转化率 |
|---|---|---|---|---|
| 3 月 | 电脑 | 6,000 | 300 | 5.0% |
| 3 月 | 手机 | 4,000 | 80 | 2.0% |
| 3 月 | 全部 | 10,000 | 380 | 3.8% |
| 4 月 | 电脑 | 4,000 | 208 | 5.2% |
| 4 月 | 手机 | 6,000 | 132 | 2.2% |
| 4 月 | 全部 | 10,000 | 340 | 3.4% |
总体转化率从 3.8% 降到 3.4%,团队可能会开始四处找故障。按设备拆开后,情况反过来:电脑从 5.0% 升到 5.2%,手机从 2.0% 升到 2.2%。变的是构成:手机占会话的比例从 40% 升到 60%,而手机的转化率不到电脑的一半,所以即使每个组都在改善,合并后的数字也在下沉。这种合并后趋势反转的现象叫辛普森悖论。
分段给出的教训很具体:单一的合并比率能回答“总体发生了什么”,回答不了“有没有变好”。 把每个分段和前一个周期的同一分段比较,再把总体变化拆成比率效应和构成效应来解释。
分多少段算太多
每多拆一次,样本就被再分一次,小组的比率会很不稳定。比率 p 在 n 个会话上测得时,95% 的粗略误差范围是 1.96 × √(p × (1 − p) ÷ n)。
| 组 | 会话数 | 观察到的比率 | 误差范围(±百分点) | 解读 |
|---|---|---|---|---|
| 大分段 | 4,000 | 5.0%(200 次转化) | 0.68 | 5.0% 大致表示 4.3% 到 5.7% |
| 小分段 | 40 | 7.5%(3 次转化) | 8.16 | 7.5% 可能是 0% 到 15.7% 之间的任何值 |
小分段看起来比大分段高了 50%(7.5% 对 5.0%),但在统计上和它无法区分。由此得出两条实用限制:避免拆出只剩几百个会话或几十次转化的组;避免同时按太多维度切片,因为三个维度各五个取值就是 125 个格子。如果测试很多分段,总会有几个因为偶然显得特别;对出人意料的结果,当作待验证的线索,而不是结论。
常见误区
- 只看合并后的平均值。 见上面的算例:总数可能和每个部分的方向相反。
- 组与组重叠或不完整。 如果一个用户可能同时属于“手机”和“回访”,要说明,不要把这些组当成互斥的直接相加。
- 按结果来分段。 先把“已转化的用户”分出来,再报告他们的转化率,什么也证明不了。要按结果发生之前的情况来分段。
- 固定的分段会过期。 把“上月活跃”写成静态名单,下个月就不对了;要写成带相对日期窗口的规则。
- 格子数超过流量能支撑的程度。 组小到无法比较时就停止再拆。
- 把分段当成原因。 手机用户转化更低,但设备可能只是页面速度、意图或结账设计的替身。分段只告诉你往哪里看,不告诉你为什么。
TapCub 里的数据分段
以 3 月和 4 月的例子来说,在 TapCub 里可以这样核对。
- 把同一个指标按设备拆开。 在 全端分析 › 行为分析 › 行为分析 里画出转化事件,用拆分(最多三层)选设备、渠道或国家,再打开对比选项,让 4 月和 3 月并排。
- 把要反复用的组存下来。 在 全端分析 › 用户 › 分群与标签 里建一个规则分群,例如“过去 30 天做过购买且没有退款”。规则分群每天或手动刷新,并保留 30 天的人数趋势,方便你判断这个组够不够大。
- 把分群用到分析里。 对分群点 分析,把它作为同期群带进去;一次分析里选了多个分群时取交集。
- 留意限制。 匿名访客没有档案,不会进入用户分群;聚合分析里仍可对他们做拆分。各个月份里设备构成的变化需要你自己读,所以在每个比率旁边都要看会话数。
TapCub 不会告诉你哪些分段有显著差异,也不会替你推荐拆法;它负责算出分组和人数,判断留给你。
资料来源
- Experian,What is data segmentation?。
- Coursera,What Is Data Segmentation?。
这个解释清楚吗?
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。
