今天将给大家介绍数据分析法中的对比分析法。

俗话说，“没有对比，就没有伤害“。

而在一大堆数据中更是如此，”没有对比，就没有意义“。

试想一下， 对于一份孤立数据，如网站2022年6月浏览量19w这个数据我们能得出什么结论？

此时如果没有其他数据的对比，比如同行业的数据、上个月的数据、去年同期数据等，我们是不是无法得出任何结论？

对比分析法的意义恰在于此。当对数据进行分析时，我们需要对两个或两个以上的数据进行比较，才能发现数据的意义。

下面小易就简单介绍一下对比分析法。

对比分析法是指基于相同的数据标准下，把两个及以上相互联系的指标数据进行比较，准确、量化地分析他们的差异，目的是为了找到差异产生的原因，从而找到优化的方法。

对比分析包括绝对对比和相对对比。

绝对对比指绝对数据之间的比较，如用户数、浏览量、阅读量、成交量等。

相对对比指相对数据之间的比较，如点击率、转化率、注册率、流失率等。

1、指标的口径范围、计算方法、计量单位必须一致，即要用同一种单位或标准去衡量。如单位为万的对象不能与单位为千的对象直接对比，需要统一量纲。

2、对比的对象要有可比性。

3、对比的指标类型必须一致。无论绝对数指标、相对数指标、平均数指标，还是其他不同类型的指标，在进行对比时，双方必须统一。如基于同一个时间维度的比较（A和B在6月份的产量对比）；又如基于同一个空间维度的比较（A在1-12月份的产量对比）。

1、时间对比：如同比、环比、变化趋势等

2、空间对比：如不同城市对比、不同类别对比、不同渠道对比等

3、用户对比：如新用户与老用户对比、登录用户与未登录用户对比、高粘用户与低粘用户对比、活跃用户与不活跃用户对比等

4、转化对比：如不同渠道转化对比、不同类别转化对比、不同活动转化对比等

5、竞品对比：如推广方式对比、功能对比、用户体验对比、产品定位对比、营收对比等

6、前后变化对比：如活动前与活动后对比、推广前与推广后对比、改版前与改版后对比、新功能上线前与上线后对比等

那么如何进行对比呢？下面小易简单讲解一下通常都是如何运用对比分析法的。

运用对比分析法时通常有两个路径，一个是与自己对比，了解自身详细情况；另一个是与行业对比，了解自身在行业中处于怎样的位置。

假如网站6月份的浏览量是20.1W，而5月份的浏览量是17.3W，那么6月份相比5月份增加了2.8W浏览量，环比增长率在16%左右。通常情况下，网络浏览量环比增长16%都是一个好消息。

但是转眼一看，下图中2022年6月的相比2021年6月的浏览量数据竟然是下降的，2021年6月的浏览量为25W，同比下降率为20%左右。这时难免会有些慌。

但不要紧，这便是对比分析的魅力。从不同的维度进行对比分析，得出的结果大相径庭，所以我们需要尽可能从多角度进行数据分析及查找原因。

最后了解到，原来在2021年6月，网站联合第三方平台进行了一次为期2周的推广活动，该活动的效果不错，2021年6月份环比5月份增长了37%，而在2022年6月份网站没有进行任何推广活动，所以才有了2022年6月同比2021年6月浏览量下降的表现。

与行业数据进行对比的好处是遇到问题时，可以了解到是由于行业趋势还是由于自身导致的。

比如在2021年6月进行的推广活动中，着陆页的转化率为7%，这个活动虽然带来了不错的增长，但是与其他同类型的推广活动的转化率相比是怎样的呢？这时就需要了解行业数据来解答疑惑。若了解到同类型的推广活动的平均转化率为10%，对比发现我们的活动转化率比行业平均值要低，此时就需要对活动进行进一步的分析复盘，想办法在下一次活动时提高转化率。

再举个例子，微信公众号的平均日活跃率为5%，而某微信公众号的日活跃率为3%。此时就需要针对日活跃率数据进行进一步的分析，寻找可优化的方法，进而提高日活跃率。

对比分析法是最基础也是最常用的数据分析法。通过它，我们已经能初步地对数据进行分析，进而发现问题，并解决问题。

免责申明：

本文系转载，版权归原作者所有，如若侵权请联系我们进行删除！

《数据治理行业实践白皮书》下载地址：https://fs80.cn/4w2atu

《数栈V6.0产品白皮书》下载地址：https://fs80.cn/cw0iw1

想了解或咨询更多有关袋鼠云大数据产品、行业解决方案、客户案例的朋友，浏览袋鼠云官网：https://www.dtstack.com/?src=bbs

同时，欢迎对大数据开源项目有兴趣的同学加入「袋鼠云开源框架钉钉技术群」，交流最新开源技术信息，群号码：30537511，项目地址：

https://github.com/DTStack