如果6月的瀏覽量是19.5W，那麽7月的瀏覽量比6月增加了6.5萬，環比增長率約為34%。壹般情況下，當我們看到網站瀏覽量環比增長34%的時候，我們會竊喜，因為網站從6月到7月都在向好的方向發展。
PS:與6月相比，7月就是我們通常所說的環比、環比增速=(當前數據-上次數據)/上次數據。通常環比是日環比、周環比、月環比、年環比。下面是壹個月環比的例子。
但是，當畫風發生變化時，請看下圖。與2019年7月相比，2018年7月的瀏覽量實際下降了50%左右。看到這樣的情況，我們開始慌了~
PS:與2018年7月相比，2018年7月就是我們通常所說的同比，同比增長率=(本期數據-上期數據)/上期數據。通常同比包括:壹年、壹個月、壹周和上年同期。
這就是對比分析的秘訣，不同維度的結果可能會有很大的不同，所以我們需要對數據進行分析，盡可能全面地從多個角度找出原因。
原來，2018年7月，網站舉辦了壹次網絡投票活動，給網站帶來了不錯的成績。2018年7月份比6月份增長了182%。但2019年7月沒有舉辦活動，2019年7月瀏覽量較2018年7月有所下降。
對比分析，這是數據分析中最基本的分析方法之壹。對比分析是將兩個或兩個以上的數據進行比較，然後找出數據之間的差異和規律。比較分析包括絕對比較和相對比較。
絕對比較是指絕對數據之間的比較，比如用戶數、瀏覽量、訪問量、下單量、註冊量等。
相對比較是指相對數據之間的比較，如轉化率、留存率、沈默率、訂單率、註冊率等。
從不同的對比角度來看，可以歸納為以下幾種常見的對比場景:
時間對比:同比、環比、變化趨勢等。
空間對比:不同城市，不同品類，不同渠道等。
用戶對比:新用戶與老用戶對比、已登錄用戶與未登錄用戶對比、高粘性用戶與低粘性用戶對比、活躍用戶與非活躍用戶對比等。
轉化比較:不同渠道、不同品類、不同活動等的轉化比較。
競品對比:推廣方式、功能、用戶體驗、產品定位、營收等對比。
活動前後變化對比:活動前後對比、推廣前後對比、改版前後對比、新功能上線前後對比等。
......
首先，介紹數據標準化公式:
數據標準化最直觀的好處就是更清晰直觀的展現數據的變化規律。比如下圖左邊是標準化前第壹周至17周的網站日瀏覽量，右邊是瀏覽量數據標準化後，右邊很明顯是下面的趨勢變化(1)。網站前七周的瀏覽量低於第八周。(2)周六、周日明顯低於平時。
接下來，分析師需要結合其他維度，找出這兩個時間段瀏覽量低的原因是正常還是異常。
不同指標的比較
比較不同的單位指標，由於維度不同，直接比較數據沒有意義。這時候就要先把數據標準化，去掉量綱因素，再做對比分析。比如通過活躍用戶數和平均時長來評估不同渠道的質量，從而選擇最佳渠道進行推廣。標準化之前，兩個指標的單位是不壹樣的。比如渠道1的用戶數最多，但平均時長並不是最長的，渠道3的活躍用戶數最少，但平均時長確實是最長的。那麽三個渠道哪個質量更高呢？
下面兩組數據分別按標準化公式計算，標準化結果按平均值合並，如下圖所示。
從圖中可以明顯看出，標準化後頻道1的平均值最大，說明頻道1的質量是最好的(這裏采用的平均值組合，當然權重的設定需要結合實際業務，比如對於內容產品，如果業務認為平均時長更重要，那麽平均時長的權重要設定的大壹些，具體大小需要數據驗證)。