扫码加入数据分析学习群

和同类(竞品)比较，e.g. 对比不同品牌的女装的销售情况，不同销售渠道(地区)的交易情况；

实验对比，设置实验组和对比组，对比两组或多组之间的差异，以确定人为干预(实验、方案)的效应。

e.g. 比较不同的产品或运营方案的效果差异时，常采用AB Test，需要确保对比的两组或者多组在数量和结构上要具有可比性(e.g. 用户的来源、等级等需要匹配)；

和整体比较，e.g. 华东地区的销售情况和全国总体销售比较；

做组间比较时，一定要确保样本的可比性(无论是在数量级还是在群体结构上)，e.g. 对比两个时间段的交易情况，建议剔除掉大促和节假日(这些交易日的数据波动很大)。

有两类不易察觉的样本错误尤其要提防：

“辛普森悖论”，即两个样本单独得到的结论和样本合并后得到的结论相反。

e.g. 如下表所示，单独看APP端和PC端，新客的转化率都是低于老客的，但是，整体新客的转化率却高于老客。

注：以上数据仅作为说明概念使用，不代表真实场景

“幸存者偏差”，即样本已经被容易忽略的因素筛选过。

e.g. 问卷调查中，那些愿意填写问卷的用户本身就是对产品有高认可度；

e.g. 产品漏斗转化流程中，处在不同环节的用户一般不能进行对比