品牌行銷策略，產品行銷與設計，各類型行銷推廣案例分享-品牌行銷點點讚
編輯導語：做運營的同學是不是也會頭疼預測這件事？作者分享了自己的一些做預測的小技巧，期待能與你學習交流。
大家好，我是愛學習的小熊妹。
沒錯，我又加班了~大家都知道，小熊妹最怕下班的時候被別人長長的一聲“小熊妹~~”喊住。
所以，這天我在收拾包包補個妝的時候，領導又在背后喊我了。
這次接到的任務很簡單，兩個字：預測。建預測模型，是件很復雜的事。
領導輕飄飄一句：“做個預測看看”。
不光搞得運營的小伙伴們暈頭轉向，也大量擠占我的煲劇時間。必須不能忍。
因此，今天整理了快速預測的方法，只用excel就能搞掂哦。大部分日常工作的預測，都是基于連續幾個數據，比如：
- 有今年1-5月銷量，問6月銷量咋樣？
- 有最近10周的新增用戶，問第11周有多少？
- 有過去30天的業績，問今天業績如何？
這種預測有個專業名詞：時間序列預測。
小伙伴們看到這種不要慌，即使只有幾個數，也是能建模的。首先要做的，是區分數據走勢。常見的數據走勢有三種：
- 趨勢型：連續發展的態勢。
- 躺平型：變動較少，一條直線。
- 周期型：有規律的周期性波動。
直接看圖，能一眼認出來是哪一種（如下圖）？
看個簡單的例子，某互聯網產品，2020年8月份上線，每月月底用戶量如下表。
領導希望預測2021年6月的用戶量，該如何做呢？
一、觀察形態
做出該數據的折線圖，可見這是典型的趨勢型（增長趨勢），那么就用趨勢性預測方法吧。
二、處理數據
做新的折線圖，做出該圖趨勢線。
三、選擇形狀
選擇合適的趨勢線形狀，顯示公式與R平方。
這一步是很多小伙伴們最怕的一步，因為不懂這些模型和參數呀，做錯了咋辦。
不用怕！這種幾個數的短期預測，本來就不咋準。
特別是，很多業務數據，比如用戶量、銷售額，都是跟業務努力程度掛鉤的，本身就不是數據能量化預測的，所以盡管放心大膽的做。
這里只要掌握幾個基本原則就行了：
- 選取的趨勢線，和實際走勢接近（不要實際往上走，趨勢線卻往下走）。
- R平方數值盡量接近1（習慣上不小于0.6）。如上圖所示，如果是選擇多項還可以通過調整項數，提高趨勢線的R平方，讓趨勢線更接近實際走勢形狀（如下圖）。
四、預測結果
把預測模型寫進單元格，預測結果。公式出來以后，做一些小調整，直接復制出來就好了。這里選擇了多項，參數為2的情況（如下圖）。
這里簡單解釋一下公式公式里Y就是要預測的用戶量數據（因變量），X是自變量，也就是時間，X平方就是時間*時間，對應關系如下：
其實，趨勢線擬合的原理，就是假設數據隨著時間變化而變化。因此因變量是數據指標，而自變量就是時間，以及時間的各種形態，比如時間的平方、對數、指數等等。
五、預測未來情況
這里有10個數據，要預測下個月的，就是第11個數據，時間是11，時間平方是121，代入公式，就能算出預測值（如下圖）。
這樣就完成啦！多簡單。
勤快的小伙伴，在實驗這個方法的時候，會發現：很有可能好幾種趨勢線預測出來的結果，R平方都是接近1的，這時候該怎么選呢？
如果一定要糾結這個問題（我強烈建議你不要糾結這個，我們又不專業，讓專業做算法的小哥哥糾結去）。
可以計算平均平方差（MSE），哪個方法的MSE數值小，就用哪個（如下圖）。
明顯，2次擬合的MSE值更小，就用這個啦。
到這里，就全部做完啦。多簡單。
這種趨勢擬合（又叫趨勢外推），是解決趨勢型預測的非常快捷的方法。
其優點，包括：
- 需要的數據少，幾個數也能預測。
- 能模擬曲線走勢，不會出現方向性錯誤。
- 是個模型，充分滿足領導對建模的憧憬但缺點也是很明顯的。
領導一句話就能把它打敗：“那你所說，這預測的134萬用戶，到底是哪些渠道做出來的？”
很遺憾，完全說不了。因為模型只是模擬了曲線的走勢，并不能解釋走勢是怎么來的。
用數據分析的專業術語，叫：業務可解釋程度差。這種可解釋性差，有時候會引發很嚴重的問題。
比如小伙伴們看回上一張圖，雖然2次擬合的MSE值更小，但是這個預測結果明顯有問題：本來是連續10個月上漲，這個月居然變成下跌了！
很有可能引發領導連珠炮似的問題：
- 為什么會下跌？
- 是新增少還是流失多？
- 運營不給力還是產品體驗差？
- 需要短期拉動還是長期拐點到了？
更加遺憾的是，模型本身更解釋不了這些。
所以聰（jiao）明（hua）的小伙伴，會果斷放棄二次擬合的結果，用線性擬合的結果。
因為這樣更符合領導預期（少被人噴）。
那如果領導一定要解釋到底新增的是從哪些渠道來的。該怎么辦呢？這時候可以利用杜邦分析法，對用戶量指標做拆解（如下圖）。
拆解完以后，我們一個個去找對應渠道負責的同學問：
- 親，這個A渠道，你們6月份還做不做？
- 親，如果做A渠道的話，你們準備投多少？
- 親，A渠道過去轉化率為x%，你們準備做優化不？
問了一堆問題以后，把收集到的信息，做一張匯總表，把下個月為什么是這么多人，解釋得明明白白（如下圖）。
這就是大名鼎鼎的業務預測模型，這種預測模型的可解釋程度就高多了，可以明明白白地講清楚：
- 增長來自哪里
- 為什么增長這么多
- 如果不達標，還能做什么
但是這樣的缺點也是很明顯的：
- 它沒有讓人看不懂的算法，顯得不厲害
- 需要運營的大量輸入，而運營不見得想說話
- 即使運營想說，也有可能在拍腦袋，很有可能拍得不準所以呢，世上沒有兩全法，只能看情況做預測咯。
以上就是今天小熊妹整理的知識點。還差兩個：躺平型與季節型，火鍋已經點好了，下次再寫。
作者：碼工小熊，微信公眾號：碼工小熊
本文由 @碼工小熊 原創發布于人人都是產品經理，未經許可，禁止轉載。
題圖來自 Unsplash，基于CC0協議