交叉統(tǒng)計(jì)是什么統(tǒng)計(jì)方式？請具體告訴我統(tǒng)計(jì)表的制作方法和閱讀方法。

Answer

交叉統(tǒng)計(jì)就是從所給數(shù)據(jù)中提取兩個以上的關(guān)注項(xiàng)目，把各項(xiàng)目放在表的列和行上進(jìn)行統(tǒng)計(jì)的方法。交叉統(tǒng)計(jì)的目的是為了獲得簡單統(tǒng)計(jì)中掌握不了的屬性或者問題之間的深層洞察。

解起

■什么是交叉統(tǒng)計(jì)？

在調(diào)查中，對回答某個問題的人或者數(shù)據(jù)庫中存在的數(shù)據(jù)次數(shù)和比例，用單個項(xiàng)目的觀點(diǎn)進(jìn)行統(tǒng)計(jì)的，叫做簡單統(tǒng)計(jì)。與此相對，交叉統(tǒng)計(jì)是指在表頭和表格側(cè)部寫入了屬性項(xiàng)目或者問題項(xiàng)目，進(jìn)行項(xiàng)目次數(shù)和比例的復(fù)雜統(tǒng)計(jì)。簡單統(tǒng)計(jì)只能統(tǒng)計(jì)問卷調(diào)查中的性別或地區(qū)等基礎(chǔ)的項(xiàng)目，而通過交叉統(tǒng)計(jì)，可以知道與屬性欄相關(guān)的問題等，從而獲得更加深刻的認(rèn)知。

交叉統(tǒng)計(jì)可用表格計(jì)算軟件進(jìn)行簡單的制作。最常見的表格計(jì)算軟件是Microsoft的Excel,利用數(shù)據(jù)透視表(PivotTable)"功能，通過在表格的頂部、側(cè)部的自由插入，就可以更改數(shù)據(jù)的統(tǒng)計(jì)方法。

■交叉統(tǒng)計(jì)表的讀取方法

通過交叉統(tǒng)計(jì)表，可以讀取項(xiàng)目之間的關(guān)聯(lián)性。如果各項(xiàng)目之間的某處存在較大差異,就說明那里有某些潛在原因。這個差異是營銷

策略實(shí)施的重要依據(jù)，所以從交叉統(tǒng)計(jì)表中讀出差異非常重要。要判斷有無差異,正確檢驗(yàn)的統(tǒng)計(jì)技術(shù)是必需的，此外，能夠正確理解并利用檢驗(yàn)也很重要。在這里我們向大家介紹一種簡單易懂的找到差異的方法。

這種方法就是找出期望值和統(tǒng)計(jì)值差距很大的欄目。這里說的期望值是指在進(jìn)行簡單統(tǒng)計(jì)時得出的和各項(xiàng)目之間完全沒有關(guān)聯(lián)的統(tǒng)計(jì)數(shù)值。例如：在上圖的簡單統(tǒng)計(jì)表和交叉統(tǒng)計(jì)表中，可知東京的男女人數(shù)合計(jì)為50。在簡單統(tǒng)計(jì)表里，男女比例是1：1,那么在交叉統(tǒng)計(jì)表中，男女比例的期望值也就是1：1,東京合計(jì)的50人當(dāng)中，男女應(yīng)該各為25人。再看一下交叉統(tǒng)計(jì)表中的實(shí)際統(tǒng)計(jì)值，是男24人，女26人,這樣我們就知道，統(tǒng)計(jì)值和期望值沒有多大差異。

在大阪和名古屋，通過同樣的計(jì)算,發(fā)現(xiàn)期望值和實(shí)際統(tǒng)計(jì)值有很大的差異。名古屋女性這一欄尤為顯著，期望值是10人，而實(shí)際統(tǒng)計(jì)值只有4人,這樣我們就知道期望值是實(shí)際值的2.5倍。像這樣有很大差異的項(xiàng)目內(nèi)容，在評價和解釋交叉統(tǒng)計(jì)表的時候就非常引人注目。負(fù)責(zé)分析的人員將把產(chǎn)生這種差異的原因也包括在內(nèi)，對統(tǒng)計(jì)結(jié)果進(jìn)伸價、分析。

■多重交叉統(tǒng)計(jì)的注意事項(xiàng)

初學(xué)交叉統(tǒng)計(jì)的人都很容易產(chǎn)生過度依賴。初學(xué)者為了更加深刻地洞察各項(xiàng)目，往往過多地使用3重、4重甚至更多重交叉表;但隨著多重度的增多,每個欄里所能容納的數(shù)據(jù)度數(shù)也會變少。如果每欄的數(shù)據(jù)度數(shù)比參數(shù)小很多的話,這個數(shù)值就會變得沒有多少說服力，這一點(diǎn)希望大家注意。

Answer

所謂多變量解析就是統(tǒng)計(jì)分析多個變量的數(shù)據(jù)后，明確變量間的關(guān)系，發(fā)現(xiàn)有效信息的手法的總稱。

■什么是多變量解析？

在了解多變量解析前，有必要先了解一下什么是變量。例如下面是某個店鋪制作的關(guān)于每個顧客購物情況數(shù)據(jù)的表格。購買頻率、購買金額等項(xiàng)目中，由于顧客不同對應(yīng)的數(shù)據(jù)也不同。在統(tǒng)計(jì)學(xué)中，值隨著樣本（這里指顧客）變化而變化的項(xiàng)目就叫做變量（或者叫變數(shù)）。 所謂多變量解析，并不是把多個變量細(xì)分化,而是同時進(jìn)行分析,然后得到有效的信息。

■多變量解析的特征

既然有多變量解析,當(dāng)然也就有一個變量或是兩個變量的解析。我們把變量是一個的叫做單變量解析或者一變量解析，把變量是兩個的叫做二變量解析。用一變量解析和二變量解析，可以通過查頻率分布和散布圖得到一些信息。這些方法非常簡單,也比較容易理解，但另一方面因?yàn)樽兞刻?，只能看到?shí)物的一個或兩個方面，得出的結(jié)果，一般沒有什么意義。例如上文所列舉的顧客數(shù)據(jù)，如果一個一個變量地看，購買頻率最高的是A.購買金額最高的是E。只能得到這樣的數(shù)據(jù)。

多變量解析則可以同時分析多個變量之間的關(guān)系，這樣，我們就可以知道某個變量對其他變量有什么影響。例如通過多變量解析我們有可能找出研究對象的選定和研究時機(jī)的選定之間存在的關(guān)系。

運(yùn)用多變量解析,專業(yè)的統(tǒng)計(jì)知識是必要的。以前,由于計(jì)算量龐大，要得到計(jì)算結(jié)果比較困難，但隨著計(jì)算機(jī)的發(fā)展和多變量解析軟件的改良,現(xiàn)在的企業(yè)和個人在運(yùn)用多變量解析時已經(jīng)容易多了。

根據(jù)多變量解析的分析目的和變量的種類不同，有很多種處理方法,所得到的結(jié)果也不同。如果沒有正確的知識就去運(yùn)用這些方法,會導(dǎo)致意想不到的錯誤，甚至可能只得到一些錯誤的答案。因此,利用多變量解析,正確理解各種方法很重要。

構(gòu)建顧客行動模式，制作反應(yīng)率高的名單，具體應(yīng)該利用哪些數(shù)據(jù)，采取哪些步驟？

Answer

利用顧客屬性、購買記錄、過去的促銷信息等構(gòu)建顧客行動模式，以此模式為基礎(chǔ)計(jì)算出各顧客的行動概率。

■制作名單的步驟

顧客行動模式是企業(yè)基于顧客屬性、購買行為等過去的信息做成的、預(yù)測顧客將來行動方式的數(shù)學(xué)公式o以這個數(shù)學(xué)公式為基礎(chǔ)，算出顧客（以及潛在顧客）的期望反應(yīng)率，然后再抽取期望反應(yīng)率高的顧客制作成電話外呼對象的顧客名單。大致來說，制作出期望反應(yīng)率高的名單需要以下4個步驟：

①數(shù)據(jù)收集

首先,將企業(yè)內(nèi)分散的數(shù)據(jù)匯集到一處。企業(yè)各操作現(xiàn)場獲得的與顧客相關(guān)的所有信息都有可能成為構(gòu)建顧客行動模式的原始數(shù)據(jù)o如注冊積分卡時登記的性別、出生日期等顧客屬性信息，記錄了顧客在何時以何種價格購買了什么商品等的購買記錄信息，發(fā)送電子雜志、直郵廣告等方面的促銷信息等，都可以作為原始數(shù)據(jù)。

②制作數(shù)據(jù)庫

接著，把多個原始數(shù)據(jù)匯總到一張表上做成數(shù)據(jù)庫。首先要設(shè)計(jì)使用哪個原始數(shù)據(jù)作為某列項(xiàng)目來制作數(shù)據(jù)庫，然后進(jìn)行數(shù)據(jù)清理、姓名匯總等，以一個顧客一條記錄的匯集形式加以總結(jié)。在數(shù)據(jù)庫的項(xiàng)目中，涵蓋了從顧客屬性到平均購買額、單位時間的購買次數(shù)、平均購買件數(shù)、購買間隔、直郵發(fā)送次數(shù)、直郵反應(yīng)率（攜帶在直郵里的優(yōu)惠券的使用率）等信息。制作數(shù)據(jù)庫的具體情況，將在FAQ16中詳細(xì)說明。

③制作預(yù)測表

預(yù)測表是顧客將發(fā)生某種行動的概率（期望反應(yīng)率）一覽表。要制作預(yù)測表，需先使用統(tǒng)計(jì)的分析方法構(gòu)建顧客行動模式，以該模式為基礎(chǔ)，通過打分來算出每個顧客的期望反應(yīng)率（預(yù)測值）。較容易理解的例子就是決策樹"（DecisionTree）。決策樹是通過樹形圖來表示數(shù)據(jù)項(xiàng)目間的因果關(guān)系,同時計(jì)算出不同屬性顧客的期望反應(yīng)率。制作顧客行動模式時，一般運(yùn)用市場上銷售的數(shù)據(jù)挖掘軟件，如Market Switch公司銷售的TrueforTransactionModeling（TTM）等。

④抽取名單

從預(yù)測表中抽取行動概率高的顧客,制作反應(yīng)率高的顧客名單。抽取的顧客數(shù)以業(yè)務(wù)規(guī)模、打電話費(fèi)用等為基礎(chǔ)來設(shè)定。

制作用于構(gòu)建顧客行動模式的數(shù)據(jù)庫，需要做哪些工作？

Answer

每個顧客都有一份檔案，這就是用于構(gòu)建顧客行動模式的數(shù)據(jù)。但其中一連串的處理不但復(fù)雜且繁瑣，要花費(fèi)很多時間。

■數(shù)據(jù)庫制作占整個分析工作量的80%

為了制作用于構(gòu)建顧客行動模式的數(shù)據(jù)庫，首先要明確其利用目的,在此基礎(chǔ)上再進(jìn)行設(shè)計(jì)工作;然后根據(jù)設(shè)計(jì)的內(nèi)容進(jìn)行數(shù)據(jù)清理及個人、家庭信息匯總等。

通過這樣的一個過程，整理出一人一行的一覽表，制成構(gòu)建顧客行動模式可使用的數(shù)據(jù)庫。這一系列處理會相當(dāng)麻煩，因此需要花費(fèi)很多時間。大體而言，數(shù)據(jù)庫的制作要占到所有分析工作80%的工作量。

■數(shù)據(jù)庫設(shè)計(jì)占整個數(shù)據(jù)庫制作思考量的80%

數(shù)據(jù)庫的設(shè)計(jì)是從已有的數(shù)據(jù)中，找出構(gòu)建顧客行動模式所必需的信息。該數(shù)據(jù)庫中的數(shù)據(jù)是顧客行動模式的輸入數(shù)據(jù)，因此會直接影響模式的精度，所以數(shù)據(jù)庫設(shè)計(jì)是所有分析工作中最重要的。要對數(shù)據(jù)進(jìn)行細(xì)查，就應(yīng)清楚地將能夠使用的數(shù)據(jù)和不能夠使用的數(shù)據(jù)分開。對于這項(xiàng)工作，不僅需要有縝密的思考能力，還要有在過去的經(jīng)驗(yàn)及事物的基礎(chǔ)上進(jìn)行類推的能力?？梢哉f在數(shù)據(jù)庫的做成中數(shù)據(jù)庫的設(shè)計(jì)就需要占用其80%的思考量（見下圖）。

■需要的數(shù)據(jù)并不一定全部都有

數(shù)據(jù)庫設(shè)計(jì)時，要找到構(gòu)建顧客行動模式所必需的數(shù)據(jù),但是想要的信息并不一定全都在自己公司的數(shù)據(jù)儲備中。如果要制作精細(xì)的顧客行動模式,從顧客屬性到對應(yīng)的顧客履歷,所有與顧客相關(guān)的數(shù)據(jù)都是需要的。但事實(shí)是,不要說收集所有的數(shù)據(jù)，就連收集到的數(shù)據(jù)也不一定完整。而且，收集到的數(shù)據(jù)也并不都可以直接用于顧客行動模式的構(gòu)建。例如數(shù)據(jù)的分布范圍過廣，或者牽連的其他數(shù)據(jù)過多時,就難以得到正確的分析結(jié)果，或者無法充分把握其結(jié)果。

為了解決此類問題，需把收集到的數(shù)據(jù)進(jìn)行適當(dāng)加工，轉(zhuǎn)換成對構(gòu)建顧客行動模式有幫助的信息。例如,將郵政編碼改為行政區(qū)域和地域名稱,對購買履歷中的購買次數(shù)、累計(jì)金額、間隔等變量做一個說明等。對于變量的說明需要經(jīng)驗(yàn)和靈感，因此數(shù)據(jù)挖掘被公認(rèn)為是一種專業(yè)技能。

■數(shù)據(jù)庫和個人信息匯總處理

即使作出了變量說明,也還沒有完成構(gòu)建顧客行動模式的數(shù)據(jù)庫。還有必要進(jìn)行數(shù)據(jù)清理和個人信息匯總。

數(shù)據(jù)清理是對信息內(nèi)容進(jìn)行大小寫、全半角的統(tǒng)一,數(shù)據(jù)類型的統(tǒng)一,對空格(Null)等缺損值插入文字列實(shí)施處理,并用數(shù)據(jù)清理工具調(diào)整為可處理狀態(tài)。如果一個項(xiàng)@的缺失信息太多，那么這個項(xiàng)目將從模式的構(gòu)建內(nèi)容中去除。

個人信息匯總是對數(shù)據(jù)庫中存在的顧客信息進(jìn)行統(tǒng)一化處理，把住所、姓名、電話號碼、出生年月等作為關(guān)鍵項(xiàng)目，將同一顧客的多條記錄匯總成一條記錄。屆時，再利用合算總額等方法,整合關(guān)鍵項(xiàng)目以外的信息。對于家庭,也存在統(tǒng)一化的必要,可以用同樣的方法實(shí)行家庭信息匯總。

對在電話外呼的戰(zhàn)略立案階段中經(jīng)常使用的幾種分析方法，應(yīng)該怎樣選擇？

分析方法的說明經(jīng)營

Answer

根據(jù)不同的分析方法，導(dǎo)出的結(jié)果是不同的。因此，首先要做的事情是明確目的,然后再選擇分析方法。

解說

■選擇適合目的的分析方法

統(tǒng)計(jì)的分析方法各種各樣，僅應(yīng)用于營銷的，就有50種左右。在這些方法中,選擇一個適合的并非易事。根據(jù)不同目的，我們列舉代表性的幾種方法如下。

■幾種分析方法的簡要說明

①頻率分布表（簡單統(tǒng)計(jì)表）將數(shù)據(jù)分成幾個組，對各個組數(shù)據(jù)的數(shù)量進(jìn)行統(tǒng)計(jì)。這些組被稱做類別，數(shù)據(jù)的數(shù)量被稱做頻率，可以用來把握整體數(shù)據(jù)的傾向。

②交叉統(tǒng)計(jì)表是用來把握不同屬性間數(shù)值關(guān)系的方法。詳見FAQ13。

③時序列分析根據(jù)每月獲得客戶數(shù)等的時序列，每經(jīng)過一段時間,分析數(shù)據(jù)變化的方法。在時序列分析中,觀測因時間變化而產(chǎn)生的數(shù)據(jù)趨向變化，根據(jù)得出的數(shù)字來預(yù)測將來。

④關(guān)聯(lián)分析法分析顧客同時所購商品的方法。也稱作購物籃(MarketBasket)分析法，是通過分析銷售數(shù)據(jù)中的購買信息，找出交叉銷售可能性較高的商品的分析方法。從分析結(jié)果來看,尿布和啤酒是很有名的例子。

⑤數(shù)群分析法是將整體性的數(shù)據(jù)分割成幾個組的分析方法,也就是將有相似傾向的數(shù)據(jù)加以分類，進(jìn)行使用。因?yàn)楸环指畹拿恳粋€組的數(shù)據(jù)都被稱做數(shù)群,所以這個分析方法叫做數(shù)群分析法。

⑥判別分析法將存在的數(shù)據(jù)進(jìn)行是非判斷或者有無區(qū)分的分析方法。判定顧客會不會購買商品,是否是優(yōu)質(zhì)顧客等，總之是用來明確辨別是與否的分析法。

⑦決策樹是將數(shù)據(jù)項(xiàng)目的因果關(guān)系用樹狀圖形分類的分析法(詳見FAQ15),。因?yàn)槭腔谀撤N規(guī)則來分類的,所以能比較容易地理解被分類的優(yōu)質(zhì)顧客群或是預(yù)備解約顧客群所具有的特征。

周四和周五的傍晚，把尿布和啤酒放在一起賣？！

這是美國某個超級市場發(fā)生的事。事情是這樣的，新上任的賣場負(fù)責(zé)人在觀察消費(fèi)者的行為時，感覺顧客好像把什么東西放在一起購買了,于是這位負(fù)責(zé)人把過去的銷售記錄也分析了一下。得出的結(jié)果怎樣呢?竟然是啤酒和尿布兩個都很暢銷。當(dāng)人們半信半疑地把啤酒和尿布擺放在一起時,的確是意想不到地賣得很好。特別是在周四和周五的傍晚，非常暢銷。后來才知道,原來是媽媽們把買尿布的任務(wù)交給了下班回家的爸爸們，尤其是在周四和周五，這些爸爸們就會順便把啤酒也買回來,準(zhǔn)備周末喝。

對這件事的評價眾說紛紜。這是美國哪個超市的事啊，是真的嗎？實(shí)際上這是關(guān)聯(lián)分析的著名事例，在營銷界廣為流傳。在日本也有很多像襪子和醫(yī)療保險一起賣的例子，所以這并不是簡單虛構(gòu)的故事。