一句话回答
定量数据是用数字记录的计数或测量结果,比如访客数、订单数、加载时间、订单金额,对它做算术是有意义的。一个数要配上定义和分母才能比较;离散的计数和连续的测量要用不同的方式汇总。
公式: 均值 = 各值之和 ÷ 个数;中位数 = 排序后正中间的值
什么是定量数据?
定量数据(quantitative data)是用数字记录、表示计数或测量结果的信息,对它做算术是有意义的:1,240 名访客、购物车里 3 件商品、页面加载 2.4 秒、每单 59.90 美元。它回答「多少个」「多少量」「多频繁」这类问题,看板、报表和统计检验都建立在它之上。
有两个条件把定量数据和「其实是标签的数字」区分开。其一,这个数必须是一个量:邮编或 HTTP 状态码虽然写成数字,却是分类变量。其二,一个数要先有定义和分母,才能拿来和别的数比较。「平均会话时长 2 分钟」本身说明不了多少,除非你知道统计了哪些会话、时长是怎么量的。
一段话说清定量与定性的区别
定性数据用文字、图像或类别描述性质:访谈记录、客服对话、客户说明的退订原因。定量数据用数字来测量。两者回答不同的问题:数字告诉你结账完成率从 62% 掉到了 48%;会话记录、聊天内容这类定性数据告诉你为什么。完整的对比和各自的研究方法见定性数据与定量数据。
离散数据和连续数据
定量数据有两种形态,形态决定了该怎么汇总:
| 离散数据 | 连续数据 | |
|---|---|---|
| 是什么 | 对整数单位的计数 | 在一个刻度上的测量 |
| 可能的取值 | 0、1、2、3……(中间没有取值) | 区间内任意值(2.41 秒、2.413 秒……) |
| 网站和 App 里的例子 | 浏览量、订单数、会话数、购物车件数、崩溃次数 | 会话时长、页面加载时间、订单金额、滚动深度 |
| 怎么采集 | 数事件 | 量时间、大小或金额 |
| 合适的汇总方式 | 总数、人均或每会话的比率、频数分布 | 中位数、分位数(P75、P90)、带离散程度的均值、直方图 |
| 常见陷阱 | 问题问的是「每人」,却按「每会话」统计 | 均值被少数极端值拉高 |
金额严格说是离散的(以分为单位变动),但因为步长极小,一般当作连续数据处理。定量数据还可以按测量尺度划分:区间数据等距但没有真正的零点(摄氏温度),比率数据有真正的零点,所以比值有意义(收入、时长)。几乎所有产品指标都是比率数据。1–5 分这类有顺序的打分,在这个意义上不算定量数据,见词条有序变量。各种类型的全貌见词条数据类型。
网站和 App 里的 10 个定量数据例子
| 指标 | 离散还是连续 | 单位 | 要写明的分母 | 汇总方式 |
|---|---|---|---|---|
| 访客数 | 离散 | 人 | 时间范围;只算真人还是含机器人 | 总数、趋势 |
| 浏览量 | 离散 | 次 | 每访客还是每会话 | 总数、每会话平均 |
| 订单数 | 离散 | 单 | 每访客(即转化率) | 总数、比率 |
| 购物车件数 | 离散 | 件 | 每单 | 分布、均值 |
| 崩溃次数 | 离散 | 次 | 每活跃用户或每会话 | 无崩溃占比 |
| 会话时长 | 连续 | 秒 | 统计了哪些会话 | 中位数、P75 |
| 页面加载时间 | 连续 | 毫秒 | 测到的浏览次数 | P75、P90 |
| 订单金额 | 连续 | 货币 | 每单 | 中位数、均值、总和 |
| 滚动深度 | 连续 | 页面百分比 | 该页面的浏览次数 | 分布 |
| 活跃天数 | 离散 | 天 | 每人、在某个时间窗内 | 分布、中位数 |
每一行都有「分母」这一列,因为同一个计数配上不同的分母,答案就不同。1,000 名访客带来 3,000 次浏览,人均 3.0 次;同样这些访客的 1,500 次会话,每会话 2.0 次。两个数都对,只是回答的问题不同。
定量数据怎么采集
- 事件埋点。脚本或 SDK 在每次发生某件事时(浏览、点击、购买)发送一个事件,带上价格、时长这类数值属性。埋了点的行为能拿到完整计数,没人埋点的行为就什么都没有。
- 服务器和数据库记录。自己系统里的订单、支付、订阅。通常是金额最可靠的来源,但除非用户 ID 对得上,否则和行为数据是断开的。
- 服务器日志。服务器收到的每一次请求,包括机器人。适合分析抓取和错误;拿来数「人」噪声很大。
- 带数值答案的问卷。年龄、员工人数、每周使用小时数。属于自报数据,会有取整和回忆偏差;用这种方式收集的打分量表是有序数据,不是定量数据。
- 实验。把用户分到不同版本,测量结果。能不能下因果结论取决于实验设计,而不是数据类型。
- 公开数据和第三方数据。人口普查数字、行业基准。和自己的数字比较之前,先核对对方的定义。
同一组数据的均值和中位数:一个算例
示例数据:某着陆页的 9 次会话,时长(秒)从小到大排列:
12、25、31、40、48、55、70、95、1,224
- 均值:(12 + 25 + 31 + 40 + 48 + 55 + 70 + 95 + 1,224) ÷ 9 = 1,600 ÷ 9 = 177.8 秒。
- 中位数:正中间(第 5 个)的值 = 48 秒。
一次会话(很可能是忘了关的标签页)让均值变成中位数的 3.7 倍。把它去掉,其余 8 次的均值降到 376 ÷ 8 = 47.0 秒,而中位数几乎不动(从 48 变成 44)。描述人类行为的连续数据通常都像这样右偏,所以中位数和百分位数比均值更能代表典型访客。什么时候该用哪一个,见均值与中位数。
分母同样要紧。示例数据:2,000 次会话,记录到的总时长 224,000 秒。A 团队只用浏览了两页及以上的 1,400 次会话算平均每会话时长:224,000 ÷ 1,400 = 160 秒(2 分 40 秒)。B 团队除以全部 2,000 次会话:224,000 ÷ 2,000 = 112 秒(1 分 52 秒)。同样的数据、同样的算法,差了 48 秒,全部来自定义。分析工具怎么计量时长、单页会话为什么难处理,见平均会话时长。
怎样正确汇总定量数据
- 把定义写在数字旁边。「中位会话时长,浏览 2 页及以上的会话,只算真人,近 28 天」可以比较;「站内停留时间」没法比较。
- 汇总方式和数据形态对上。离散计数用总数和比率;偏态的连续测量用中位数和分位数;需要总数能对账时用均值(每单收入 × 订单数 = 收入)。
- 每个比率旁边都写上计数。25 名访客里的 12% 转化率,和 25,000 名访客里的 12%,是两回事。
- 至少看一次分布。直方图能显示偏态、离群值和奇怪的尖峰(比如埋点中断造成的大量零值),这些都不是一个数能看出来的。
- 长期使用同一个分母。定义一旦改变,标注改变的日期,不要跨过这个日期做比较。
定量数据的常见误区
- 让长尾左右平均值。一次极端的会话或一笔企业大单,对均值的影响可能超过成千上万个典型值。
- 分母混用。每会话、每人、每次浏览混着用;「全部访问」和「有效访问」混着用。
- 把机器人当成人。爬虫流量会抬高访客数和浏览量,压低转化率。
- 对编码或打分求平均。给类别贴标签的数字不是定量数据;1–5 分的平均数要谨慎解读。
- 混淆百分比和百分点。比率从 4% 升到 5%,是上升 1 个百分点,也是相对上升 25%。
- 拿长度不同的时期比总数。二月比三月天数少;应该比日均值,或者比长度相同的时间窗。
在 TapCub 里计量定量数据
会话时长的例子说明,聚合方式本身就是问题的一部分。在 TapCub 里聚合方式要明确选择,所以同一批事件可以回答好几个问题:
- 选聚合方式。在全端分析 › 行为分析 › 自定义指标与 SQL里,一个指标就是「事件 + 聚合方式」:次数、去重、人均、活跃占比、会话数、首次,或者某个属性的求和、均值、中位数、高分位(P90)、去重、最小值、最大值。对带
order_value属性的purchase事件,求和得到收入,均值和中位数给出「典型订单」的两种答案,P90 显示大单有多大。 - 定义只写一次。保存指标时带上它自己的筛选条件,并选好格式(数字、百分比、时长或金额)。公式指标可以组合已保存的指标,比如购买人数除以活跃人数,分母写进了定义,不用每张图重新拼。
- 看形状。全端分析 › 行为分析 › 行为分析里有分布分析:选一个数值属性、会话时长或每会话页数,直方图给出每个区间的数量和占比,并把平均数和中位数并排显示,正好是上面算例里的那种对比。
- 把机器人挡在分母外。认出来的机器人和 AI 爬虫单独计入网站统计 › 机器人,不会抬高访客数,也不会压低转化率。
另见:量化研究例子:问题、样本与检验。
资料来源
- NIST/SEMATECH 统计方法电子手册,1.3.5.1 Measures of Location(均值、中位数及其在偏态数据上的表现)。
- NIST/SEMATECH 统计方法电子手册,1.3.3.14 Histogram。
- Stevens, S. S. (1946). On the Theory of Scales of Measurement. Science, 103(2684), 677–680.
- 美国国家医学图书馆网络(NNLM),Data Glossary: Quantitative Data。
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。
