要知道任何的网站内容或产品都不是经久不衰的，都有它们自己的生命周期，所以明智的网站运营永远在不竭寻找新的生长点，如果数据阐发中欠缺斟酌时间因素，那些有潜力的产品和内容很可能就会被"久经磨练"的产品内容持久压制，致使网站新陈代谢过于迟缓，进而掉队于其他网站。

用户阐发

在进行用户阐发的时候，同样需要注意时间因素，如用户RFM阐发、用户忠诚度价值评分、用户生命周期价值等，这些基于用户在一段时间内延续性行为阐发的模型都易失落入时间的陷阱。我们没法奢求一个只注册了一周的新用户在近一个月的拜候频率高于老用户，因为你只给了他7天的时间，而与他对决的是拥有充盈的30天时间的用户；同样你不该该去比较一个仅使用一个月的新用户与一个一直在延续使用的老用户在三个月或半年中的消费次数、消费金额等，因为他们不在同一起跑线上。但新用户拥有潜力，指不定他们就会成长为加倍高价值的忠诚用户，所以在针对用户的营销中我们需要消除这个因素的影响，同样使用除以用户使用网站延续时间（从用户首次拜候或注册时间起头计较）的体例计较单位时间的指标表示，使用RFM模型看下斟酌时间因素前后对用户评估的差别：

如上表所示，假定RFM模型选择了近100天的数据来对用户进行阐发，这里同样插手"延续时间"这个统计量，即用户从注册到当前的天数，如果用户的注册时间在100天之前，那么用户在该统计周期中的延续时间就是100天（最年夜期限）。RFM的三个指标中的最近采办距离（R）不受用户延续时间的影响，因此在斟酌时间因素时不消做变换，而采办频率（F）和消费金额（M）城市受到延续时间的影响，需要除以延续时间，计较取得单位时间（这里是天）的数值，即表格中每位用户在"是否斟酌时间因素"前后的指标变换。从变换前后的比较来看，用户1因为是延续使用的老用户，未斟酌时间因素前在采办频率和消费金额上具有明显优势，但数据变换之后，用户2所表示的粘性和价值更高，即用户2虽然使用网站时间不长，但在单位时间的采办消费上优于用户1，我们通过雷达图进一步看下斟酌时间因素前后的效果：

图中对数据进行标准化评分后，蓝线代表用户1，红线代表用户2，虚线暗示未斟酌时间因素，实现代表斟酌了时间因素，可以看到用户2在斟酌时间因素之后价值被明显放年夜，从图中可以取得用户2的预期价值优于用户1。如果我们不去斟酌时间因素的影响，阐发的成果就会产生明显的偏差，进而可能误导对用户的正确评估。

其实这里提及的时间因素仍是一个遵循对比原则的问题，比较的对象之间必须具有可比性，不然比较的成果就没有任何的意义。

好久没有更新博客了，因为这段时间的变动没有时间去思考和整理一些新的内容。这篇文章中提及的阐发中需要斟酌到的时间因素其实在很多情况下都遇到过，尤其是对一个时间周期内汇总的统计指标做细分阐发的时候需要非分特别注意各细分项存在的时间周期是否一致，希望对年夜家有所启发和帮忙。

文章来历：joegh，网站数据阐发。