實例解說電商與零售
回訪訪客比新訪客更常購買嗎?
依訪客類型分組,有營收紀錄的工作階段: 回訪訪客:10,551 筆中有 1,470 筆(13.9%)。新訪客:1,694 筆中有 422 筆(24.9%)。回訪訪客的比例低 11.0 個百分點。
交叉表
| 工作階段中的購買 \ 訪客類型 | 回訪訪客 | 新訪客 | 合計 |
|---|---|---|---|
| 有營收紀錄 | 1,47013.9% | 42224.9% | 1,892 |
| 無營收紀錄 | 9,08186.1% | 1,27275.1% | 10,353 |
| 合計 | 10,551 | 1,694 | 12,245 |
次數 / 欄百分比. 每欄合計就是該欄百分比的分母。
有底色的儲存格,就是結論所比較的兩個占比。
引用之前,先檢查讀法
選出這張表能支持的說法,再逐一展開選項,看看次數說明了什麼。這裡的每個數字都由上方的表計算而來。
有營收的工作階段大多來自回訪訪客。這是否代表回訪訪客比較常購買?
是,因為他們有營收的工作階段比較多。
表格不支持。 1,470 對 422 比較的是次數,而回訪訪客的工作階段本來就多得多:10,551 對 1,694。
是,因為有營收的工作階段大部分來自他們。
表格不支持。 1,892 個有營收的工作階段中,77.7% 來自回訪訪客。這裡的分母是有營收的工作階段,說明的是買家組成,而不是各組購買得有多頻繁。
否。他們的工作階段中有營收的比例比較小。
表格支持。 以各組自己的工作階段為分母,回訪訪客的工作階段有 13.9% 記錄了營收,新訪客為 24.9%,回訪訪客低 11.0 個百分點。
使用這個結果
自己算一次
在卡方檢定計算器中開啟這組次數:表格與類別順序完全相同,百分比、χ² 與 Cramér’s V 都在你的瀏覽器中計算。改動任一儲存格,就能看到結果如何變化。
引用
複製下方的引用,並一併保留下方的資料來源與授權。
回訪訪客比新訪客更常購買嗎? — Crosstabs. https://www.crosstabs.com/zh-tw/examples/rq25-purchasing-among-new-and-returning-visitors
資料來源
- 範圍
- 一個電商網站;國家未註明
- 期間
- 為期一年的抽樣期間;資料集於 2018 年公開。確切日期未註明。
- 一筆紀錄是
- 一個記錄下來的網站工作階段
資料:C. Sakar, Yomi Kastro. Online Shoppers Purchasing Intention Dataset. UCI Machine Learning Repository.。採用 CC BY 4.0 授權。Crosstabs 對原始紀錄進行篩選、重新編碼並彙總成本表。
換成你自己的檔案
開啟 CSV、Excel 或 SPSS 檔案,做出同樣的交叉表。檔案只在目前的瀏覽器分頁中讀取,不會上傳,也不需要帳號。
用你自己的資料做交叉表
為什麼問這個問題
在這間網路商店的紀錄中,回訪者產生營收的工作階段數較多。那麼,新訪客和回訪者之中,哪一組產生營收的工作階段占比較高?分別用各組產生營收的工作階段數除以該組的工作階段總數,再比較兩組比例。
怎麼讀這張表
沿著每一欄往下讀。回訪訪客提供了大部分的工作階段(10,551)和大部分有營收的工作階段(1,470),但他們的比例反而較低。來源資料的第三種訪客類別「Other」不在本表中,所以剩下 12,245 個工作階段。
欄百分比回答的是「在每一欄裡,各列出現的比例是多少」。改成列百分比,問題就反過來:「這一列的紀錄在各欄之間如何分布」。兩種算法都正確,但回答不同的問題,報告時要寫明用的是哪一種。
結果代表什麼
新訪客的工作階段以購買收尾的情形比回訪訪客常見,差距中等。抽樣年度內每位使用者只貢獻一個工作階段,所以兩欄比較的是不同的使用者;「回訪」只表示先前曾造訪網站。表中無法說明差距的原因,這是這些紀錄中的關聯,不是訪客類型造成的效果。
Cramér’s V = 0.105。它概括整張表(全部 2 × 2 個類別)的關聯強度,範圍從 0(無關聯)到 1。它不會指出哪些儲存格不同,也不是影響大小的量數。
若只比較回訪訪客與新訪客,並只看「有營收紀錄」與其他所有列,Cramér’s V = 0.105。這個數值只描述這一組對比,不代表整張表。
限制
這些是同一個網站在一年內篩選出的工作階段。記錄的購買只有「是」或「否」:檔案沒有訂單金額,也沒有實驗分派,所以這裡無法說明修改網站會帶來什麼結果。抽樣年度內每位使用者只貢獻一個工作階段;回訪表示先前曾造訪網站,而不是同一個人前後情況的比較。