实例讲解电商与零售
临近特殊购物日的会话更常以购买结束吗?
按与特殊日的接近程度分组,记录有收入的会话: 临近特殊日(得分大于零):1,251 条中有 77 条(6.2%)。不临近特殊日(得分为零):11,079 条中有 1,831 条(16.5%)。临近特殊日(得分大于零)的比例低 10.4 个百分点。
交叉表
| 会话中是否购买 \ 特殊日接近程度 | 临近特殊日(得分大于零) | 不临近特殊日(得分为零) | 合计 |
|---|---|---|---|
| 记录有收入 | 776.2% | 1,83116.5% | 1,908 |
| 未记录收入 | 1,17493.8% | 9,24883.5% | 10,422 |
| 合计 | 1,251 | 11,079 | 12,330 |
频数 / 列百分比. 每列合计就是该列百分比的分母。
带底色的单元格就是结论所比较的两个占比。
使用这个结果
自己算一遍
在卡方检验计算器中打开这组频数:表格、类别顺序完全相同,百分比、χ² 和 Cramér’s V 都在你的浏览器里计算。改动任一单元格,可以看到结果如何变化。
引用
复制下面的引用,并一并保留下方的数据来源和许可。
临近特殊购物日的会话更常以购买结束吗? — Crosstabs. https://www.crosstabs.com/zh-cn/examples/rq26-purchasing-near-special-shopping-days
数据来源
- 范围
- 一家电商网站;国家未注明
- 时间
- 为期一年的抽样期;数据集于 2018 年发布。具体日期未注明。
- 一条记录是
- 一次记录下来的网站会话
数据:C. Sakar, Yomi Kastro. Online Shoppers Purchasing Intention Dataset. UCI Machine Learning Repository.。采用 CC BY 4.0 许可。Crosstabs 对原始记录进行了筛选、重新编码并汇总成本表。
换成你自己的文件
打开 CSV、Excel 或 SPSS 文件,做同样的交叉表。文件只在当前浏览器标签页中读取,不会上传,也不需要账户。
用你自己的数据做交叉表
为什么问这个问题
营销日历围绕特殊日子来安排。如果临近这些日子的会话转化更好,预热期就值得多投入;如果不是,流量可能上升,购买却没有相应增加。
怎么读这张表
来源给出的是连续的接近程度得分;这里只要得分大于零,就算临近特殊日。这一列只有 1,251 次会话,而得分为零的有 11,079 次,所以“临近”一列依据的记录少得多。
列百分比回答的是“在每一列里,各行出现的比例是多少”。换成行百分比,问题就反过来了:“这一行的记录在各列之间如何分布”。两种算法都没错,但回答的是不同的问题,报告时要写明用的是哪一种。
结果说明了什么
临近特殊日的会话以购买结束的比例较低,差距中等。接近程度得分与一年中的特定时段绑定,所以月份和其他日历差异可能隐藏在这个差距背后。这是这些会话中的关联,并不表示特殊日让购物者望而却步。
Cramér’s V = 0.087。它概括的是整张表(全部 2 × 2 个类别)的关联强度,取值从 0(无关联)到 1。它不说明哪些单元格不同,也不是影响大小的度量。
若只比较临近特殊日(得分大于零)与不临近特殊日(得分为零),并只看「记录有收入」与其他所有行,Cramér’s V = 0.087。这个数值只描述这一组对比,不代表整张表。
局限
这些是一家网站一年内筛选出的会话。记录的购买只有“是”或“否”:文件中没有订单金额,也没有实验分组,所以这里的任何内容都不能说明改动网站会带来什么。把接近程度得分转成“是/否”标记,是本实例所做的选择。