科技猎“电商数字化生存”之数据分析篇：移动平均数的应用（一）——明示长期趋势，锁定问题时点 - i天下网商－最具深度的电商知识媒体
【i天下网商注】在此前的“电商数字化生存”理论篇和营销篇中，我们提出了电商数字化生存的一些基本框架。不过，数字化生存的核心依然是数据工具的应用。接下来，我们就将以数据化分析中最典型的数据——移动平均数，做出讲解。
文/天下网商数据中心 胡晨川 
当你面对一个高频的运营数据时，是否因繁杂的波动而眼花缭乱？但当你降低其频率（如将日度数据取为月度平均）时，是否又为丢失了动态信息而感到惋惜？如何更直观地观察趋势，如何动态地去发现运营当中的问题，如何做出更精准的预测？移动平均数或许是一个值得关注的工具，或者说是一种思维方式。
假设一个数值序列，我们将第一至第七个数值计算一次算数平均数，再将第二至第八个数值计算平均数，之后是第三至第九个数，以此类推，这样计算出的一连串平均数，就是这个序列的7期移动平均数。当然，期数不一定是7，由实际情况而定。
动态地衡量问题，是移动平均数最大的特点，它会带来哪些好处？我们试举一二。
如图1，某产品从5月-10月每天的访问情况，这个数值的周期波动非常明显，要从中观察长期的趋势并不容易。那么我们可以用移动平均数来消除周期波动的干扰，以便观察长期趋势。
我们先做7期移动平均数。为什么是7期？因为观察访问数的波动会发现，7天是它的波动周期，而以周期值作为移动平均值，是消除波动干扰的最优方式。图中橙色的线条便是7期移动平均序列。我们发现，访问数在5月呈下降趋势，6月上涨后持续稳定，直到9月下旬开始出现波动，并有上涨的趋势。
仔细观察，橙色线条依然有周期性的波动，尤其是在10月份，且粗略估计周期为30天左右。于是我们再计算一条30天移动均线，即绿线。绿色的30天移动平均数已经非常平稳，可以认为只剩下了长期趋势。从10月份开始，访问量有了一个整体上涨的状态。
用EXCEL便能计算各种移动期的平均数，原始序列做成折线图后，点击“图表工具→布局→趋势线→其他趋势线选项→移动平均数”在里面设置好“周期”数。
图2展示了该店铺成交率的波动情况。与访问数类似，成交率也呈现7天的波动周期。我们对其做了7期和30期的移动平均。两条平均线不仅能够反映出长期趋势，还能帮助我们找到一些分析的节点。这些点便是两条移动平均线的焦点。
这种方式是金融分析中技术分析流派的惯用伎俩。虽然效果不敢恭维，但这种分析的切入方式是值得借鉴的。我们从短期移动均线和长期移动均线的交点入手，能够使分析更为精确。比如，九月底至10月初成交率快速上涨，为什么？最直观的解释是，国庆假期期间，店铺进行了促销活动。但仅此而已吗？我们再观察图1，九月底至十月初访问数量却是下降的，那么成交率的升高到底是访问数下降（分母减小）所致的，还是交易数量增加所致？（分子增大）。
在结合成交量数据后，我们得出结论，在“十一”活动的预热阶段，访问量快速上涨，但因为活动时才有降价，因此成交量被转移到“十一”期间，导致九月中旬的成交率下滑。“十一”之后，由于活动增加了曝光度，访问量持续上涨，可价格恢复到了活动之前，不再有吸引力，因此成交率持续下降。可见，就该商家来说，访问量相对于促销活动是有滞后的。正确的做法是，不要仅依据假期时间来确定活动时间，而应该向后延长。
当然，该商家整个十月都是访问量上升，成交率下降的趋势，这不仅仅是价格导致的，也许是流量的质量变差了，也许是新客户增加了，也许产品不够给力，也许是成交在往“双十一”转移，总之各种因素，需要更多的数据来支撑分析。
移动平均数除了上述两种应用外，预测是其另一大功能，我们会在下篇文章中阐述。
（注：计算移动平均数会导致数据信息的丢失，在图中已有反应，比如，要做7期移动平均，那么序列必须大于8个数值。因此，若要实现有效的趋势判断，序列长度必须足够大。）
（本文首发于i天下网商，转载请注明来源并附上链接）
“电商数字化生存”系列相关文章：
《“电商数字化生存”之理论篇：拼图电商大数据》
《“电商数字化生存”之客户管理篇：ECRM，到底怎么玩？》
《“电商数字化生存”之营销篇：数据驱动下的整合营销》
《“电商数字化生存”之数据分析篇：移动平均数的应用（一）——明示长期趋势，锁定问题时点》
文/天下网商数据中心 胡晨川
假设一个数值序列，我们将第一至第七个数值计算一次算数平均数，再将第二至第八个数值计算平均数，之后是第三至第九个数，以此类推，这样计算出的一连串平均数，就是这个序列的7期移动平均数。当然，期数不一定是7，由实际情况而定。
动态地衡量问题，是移动平均数最大的特点，它会带来哪些好处？我们试举一二。
更好的观察长期趋势
如图1，某产品从5月-10月每天的访问情况，这个数值的周期波动非常明显，要从中观察长期的趋势并不容易。那么我们可以用移动平均数来消除周期波动的干扰，以便观察长期趋势。
我们先做7期移动平均数。为什么是7期？因为观察访问数的波动会发现，7天是它的波动周期，而以周期值作为移动平均值，是消除波动干扰的最优方式。图中橙色的线条便是7期移动平均序列。我们发现，访问数在5月呈下降趋势，6月上涨后持续稳定，直到9月下旬开始出现波动，并有上涨的趋势。
仔细观察，橙色线条依然有周期性的波动，尤其是在10月份，且粗略估计周期为30天左右。于是我们再计算一条30天移动均线，即绿线。绿色的30天移动平均数已经非常平稳，可以认为只剩下了长期趋势。从10月份开始，访问量有了一个整体上涨的状态。
用EXCEL便能计算各种移动期的平均数，原始序列做成折线图后，点击“图表工具→布局→趋势线→其他趋势线选项→移动平均数”在里面设置好“周期”数。
锁定出现问题的节点
图2展示了该店铺成交率的波动情况。与访问数类似，成交率也呈现7天的波动周期。我们对其做了7期和30期的移动平均。两条平均线不仅能够反映出长期趋势，还能帮助我们找到一些分析的节点。这些点便是两条移动平均线的焦点。
这种方式是金融分析中技术分析流派的惯用伎俩。虽然效果不敢恭维，但这种分析的切入方式是值得借鉴的。我们从短期移动均线和长期移动均线的交点入手，能够使分析更为精确。比如，九月底至10月初成交率快速上涨，为什么？最直观的解释是，国庆假期期间，店铺进行了促销活动。但仅此而已吗？我们再观察图1，九月底至十月初访问数量却是下降的，那么成交率的升高到底是访问数下降（分母减小）所致的，还是交易数量增加所致？（分子增大）。
在结合成交量数据后，我们得出结论，在“十一”活动的预热阶段，访问量快速上涨，但因为活动时才有降价，因此成交量被转移到“十一”期间，导致九月中旬的成交率下滑。“十一”之后，由于活动增加了曝光度，访问量持续上涨，可价格恢复到了活动之前，不再有吸引力，因此成交率持续下降。可见，就该商家来说，访问量相对于促销活动是有滞后的。正确的做法是，不要仅依据假期时间来确定活动时间，而应该向后延长。
当然，该商家整个十月都是访问量上升，成交率下降的趋势，这不仅仅是价格导致的，也许是流量的质量变差了，也许是新客户增加了，也许产品不够给力，也许是成交在往“双十一”转移，总之各种因素，需要更多的数据来支撑分析。
移动平均数除了上述两种应用外，预测是其另一大功能，我们会在下篇文章中阐述。
（注：计算移动平均数会导致数据信息的丢失，在图中已有反应，比如，要做7期移动平均，那么序列必须大于8个数值。因此，若要实现有效的趋势判断，序列长度必须足够大。）
（本文首发于i天下网商，转载请注明来源并附上链接）
“电商数字化生存”系列相关文章：
《“电商数字化生存”之理论篇：拼图电商大数据》
《“电商数字化生存”之客户管理篇：ECRM，到底怎么玩？》
《“电商数字化生存”之营销篇：数据驱动下的整合营销》
《“电商数字化生存”之数据分析篇：移动平均数的应用（一）——明示长期趋势，锁定问题时点》