图片来源@Unsplash，基于CC0协议！
我是平民数据分析师宁静，近10年我一直致力于普及数据化应用进而创立宁静数据智慧军团。
专注于做与业务紧密结合的数据分析应用学习，坚持你所学即可使用。好的，下面继续分享我的数据分析思维，思维篇我们知道了细分思维、数据的对比性和数据异常和拐点的分析接下来我们来分析五大思维中的数值的转换，也是属于“找毛病用思维，直击关键点”的内容。
在运营店铺的过程中，很多时候想更深入的了解某一个运营动作会对店铺带来什么影响，往往一些平台收集的原始指标就不够分析了，这时候我们就需要对一些原始的店铺数据做转换，变成更容易理解的数据帮助我们做决策分析。
数据转换思维对决策的重要性
关于数值转换对决策的重要性，我们可以通过两个案例来更加直观的了解：
案例一：在其他因素没什么变化的情况下，我们提高产品单价，对销量会有多大影响？
我们来举个例子：假如原价100，然后涨价到120元，100元价格的时候销量是1000，到了价格120的时候，销量是900。那么价格销量的影响的转换计算就是（900-1000）/（120-100）=-5，也就是每涨价1元，那么减少的销量是5个。知道了，每涨1元对销量的影响，这样子我们就知道要涨价到多少，才能够让销售额达到最高了。
接下来我也把怎么通过excel找到最高销售额的方法也告诉大家：
步骤1：我们先把涨跌的价格，和涨跌价格对销量的影响都填入excel表格之中，比如降价30元的时候，那么我们的销量就会在原来的基础上提升150件，销售额就会等于（100-30）*（1000+150）=80500元。
步骤2：把可能会涨或者跌的价格幅度范围都涵盖进去，计算出对应的销售额，如图4-1所示。步骤3：插入一个线型图，这时候我们就可以看到涨跌价格在哪个位置是达到销售额最高，如图4-2所示，当价格在原来基础提高50元的时候，也就是销售价格在150元的，销售额达到112500最高值。
案例二：在其他因素没什么变化的情况下，直通车付费金额的增加对搜索流量提升影响多大？根据这个问题，我们从直通车后台和生意参谋后台分别获取三组数据，如图4-3所示，如果不进行数值的转换，单纯从这个基础数据是比较难直观表达数据的信息的。
接下来我们来看转换后的数值，如图4-4所示，我们可以看到直通车的付费金额比开始增长了200%，对免费流量的增长实际上是有促进作用的，我们可以看到直通车带动自然曝光量增长了129%，但是实际上搜索流量只增长了40%，那么得出的结论有两点：(1)主图点击率差(2)除了直通车投放金额增加带来的自然曝光流量增长以外，直通车对间接的搜索权重加权效果差。
从这两个案例中，我们可以了解到，如果我们不具备转换数值的能力，那么很多的数据就无法变成真正有价值能够帮助正确决策的数据。
数值转换的4种方式
1.数据的综合描述转换我们日常用的比较多的数据描述统计方式主要有：求和、平均值、最大值、最小值、计数、集中度、分散度等等，这些维度可以帮助我们更清楚更深入的了解一组数据。我经常会遇到这样的场景：我问朋友店铺流量如何，得到的回答一般都是大概一天多少，或者说一般般。因为一般的运营或者老板根本记不住每天那么多密密麻麻的数据，如图4-5所示。
如果采用数据综合描述的方式来回答：店铺这一个月总体的访客数是30万，平均一天的访客数是1万，流量最大的时候可以达到3万，最少的时候5000。整体上流量波动性比较大，其中店铺80%的流量主要集中在前五款宝贝。通过这样子的综合描述，我们就清楚了店铺的访客数整体情况了。再进一步利用对比思维和细分思维，把竞争对手的访客水平和组成情况描述清楚，那效果就完全不一样了，如图4-5所示，虽然从总访客数来看，本店比竞争对手店铺要高出了50000流量，但是竟店的发展更加的稳健，而且前五款宝贝占60%，而本店占了80%，说明竟店的动销结构要比本店好。这就是转换数值带来对分析的好处。
再举个例子，在我们做标题优化的时候，仅仅通过各个关键词数据是很难看出什么东西来的，但是一旦对词根进行分析，效果就不一样了。比如蕾丝这个词根，带来了500个访客，转化率2%，这500的访客数是由10个关键词带来的。我们就可以根据这些数据描述来判断一个词根的好坏，然后决定是否要换词。比如2%的转化率比较高，而访客只有500个，太少了。这个时候我们要做的可能就是加大该词根下的关键词曝光了。
2.在计算周期内单位效率转换在做店铺对比分析的时候，一些单一维度的绝对性指标是无法直接对比的。比如说A店铺销售额500万，团队100人，B店铺销售额100万，团队10个人，你不能单纯说A店铺比B店铺做的好，因为从人均贡献率的角度来算，B的人均贡献值是10万，而A只有5万。所以你会发现，当分析的主体体量不一致的时候，就要考虑用单位效率来衡量。我们应该都知道，成交量的多少跟访客数的多少有很大的关系，所以要看每天的成交是好不好，我们就要用转化率来描述，用平均每100人带来的成交人数来判断谁高谁低。在我们平时分析中，类似大家比较熟悉的转换指标还有：点击率、收藏率、加购率、平均点击单价、平均客单价、访问深度等等，都是属于单位效率转换指标。
3.数值涨跌幅度的转换涨跌幅度的转换应用，看到这里大家应该不陌生，因为我们开头的两个案例都是这类型的数值转换应用，一般涨跌幅度的转换用于数据的对比过程中，会有下面三种用途：第一种是同个指标不同时间点的对比：比如这个月对比上个月涨了50%。第二种是不同指标之间的对比：比如我们开头的案例，价格涨了20%，销量下滑了10%第三种是同个指标但是对象不同：比如店铺的销售额涨跌幅度跟行业销售额的涨跌幅度对比2017年底的时候，我们就是因为发现到了淡季阶段的时候，我们店铺的销售下滑幅度远大于行业的下滑幅度，导致流量的急速下滑，如图4-6所示。为了改善这个淡季的下滑跌幅影响，在2018年我们进行了调整，重点规划了产品线。经过整体的运营，流量和销售额都取得了明显的提升。
4.数值的百分比转换百分比可以类比成分蛋糕，这种转换形式是非常常见的，比如我们把店铺的产品销售额按照百分比进行计算，得出数据是前五款占了全店销售额的80%。比如我们做行业的品类占比计算，羽绒服占了冬季女装市场的15%份额等等都是此类型的转换形式。之前做女装的时候，对店铺所有不同版型的产品做了百分比统计。我发现宽松产品在东北地区的销售占比达到60%，而修身类和其他的版型才占了40%，如图4-7所示。后面我们就调整了宽松款早期的投放策略提高了宽松产品前期的数据表现。并且针对东北地区做了产品定制化开发需求。整店的宽松款销售比之前提升了30%以上。
这一节，主要讲述4种数据转换的方法，分别是数据统计描述、单位效率计算、涨跌幅度转换和百分比转换。借助数值转换思维的力量，我们可以清楚的看到数据要表达的内容，帮助我们更好做出合理的决策。
我今天的分享就到这里，有什么问题大家可以留言咨询我，我是平民数据分析师宁静，推广普及数据化应用。我还会有下篇的分享，期待我们下一次的见面！