本文探讨了多种数据分析方法，如象限法、多维细分、指数法等，如何在用户价值评估中考虑不同维度，包括用户忠诚度计算、时间权重的线性加权和反比例收敛，以及28法和对比法的应用。重点在于利用这些技术解决实际问题，确保数据的准确性和有效性。
象限法
多维法
需要细分维度，避免辛普森悖论
假设法
指数法
例子
线性加权
用户价值考虑不同权重
2*B2+4*C2+D2
用户忠诚度
反比例
忠诚度计算方式y=k/x 1/B2,...
最后算平均数=avg(E2:G2)
使用线性加权，因为七月份时间较为久远
=E2*05+F2*0.75+G2
改变收敛y=x/(x+1)
B2/(B2+1)
为了 让数值达到收敛的目的，反比例是将数值收敛到0和1，log是让数值减小
(当前年份-初始年份)/10
数值越大说明距离现在的时间越近，时间热度高
热度：可以考虑线性加权
=C2+5*D2
加上log，对数据进行收敛。=log(c2+10*D2,2)以2为底
所以时间热度公式
log(UV+5*d,2)+(time-init)/10
28法
对比法
6257
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
