序数数据：定义、示例、收集和分析

公司在数据工具上投入更多，以帮助他们的营销团队做出更好的决策。

但营销需要的不仅仅是数据和分析工具来实施有效的营销策略。 他们还需要了解他们收集的数据类型以及如何分析数据以获得有意义的见解。

这涉及回归基础并理解序数数据，这是一种关键的营销数据类型。 本文将探讨序数数据以及它如何为数据驱动的营销决策提供信息。

客户满意度水平是序数数据的一个示例。 它的变量可能是：

• 很满意
• 使满意
• 中性的
• 不满意
• 非常不满

使用有序数据，您可以计算变量的频率、分布、众数、中位数和范围。

定义了序数数据后，您可能想知道其他数据类型，例如名义数据、区间数据或比率数据。 它们与序数数据有何不同？ 以下是一些快速定义：

• 名义数据是一种数据分类，其变量具有一组有限的值和未排序的类别。 使用名义数据，您可以衡量就业类型等变量，这会产生多种结果，例如自由职业、全职或混合工作。
• 区间数据是一种数据，其中两个值之间的区间不是常数。 间隔数据以多种方式出现，例如，当测量时间间隔时或当两次测量之间的差异发生变化时。 表示区间数据的最常见方法是使用一个表，其中包含每个范围的上限和下限的列。
• 比率数据是一种用于统计分析的数据。 比率数据不提供有关它所代表的值的任何信息。 此信息必须从比率数据引用的其他来源获得。 它通常用于财务信息的分析，但也可以应用于其他类型的数据。

序数数据的5个例子

序数数据以不同的格式出现。 以下是序数数据的一些示例，以及如何将其与您的业务策略同步以改进您的数据管理工作。

1、兴趣层次

无论您已经将产品推向市场还是为现有产品引入新功能，您都需要进行市场调查以提出问题以衡量目标受众的兴趣。

市场研究涉及分析定性和定量数据，以了解客户需求、他们的购买伙伴以及他们向您购买产品的动机。 这些见解可以帮助您改进未来的营销活动。

例如，如果您定期主持会议，调查可以帮助您了解您的表现如何以及您的与会者是否想再次参加会议。 以下是兴趣级别数据的示例：

资料来源：SurveyMonkey

您提出的问题将揭示潜在客户对您的产品或服务的兴趣程度。 兴趣水平从不感兴趣、稍微感兴趣、中性到非常感兴趣。

2.教育程度

这种类型的序数数据可以深入了解目标受众的熟练程度。

教育程度可能会询问您的目标受众是否接受过不同程度的正规教育，例如高中、大学和研究生。 您可以通过为每个级别分配数字来收集此数据，例如 1 表示没有接受过正规教育，2 表示小学教育，依此类推，直到 10 表示获得博士学位。

在招聘过程中使用分析来帮助您评估潜在候选人的工作申请时，教育水平数据会派上用场。

教育水平的数据可以帮助您做出强有力的预测，了解未来应雇用谁来支持公司发展、应将招聘工作的重点放在何处，以及为特定职位寻找合适的候选人。

如果您经营一个销售团队，评估团队成员的教育水平可以让您知道如何支持他们的职业发展目标。 这样，您就可以建立一支高绩效的销售团队并提高保留率。

三、社会经济地位

了解目标受众的社会经济状况有助于根据他们的人口统计和心理特征创建和优化您的客户群。

然后，您可以在运行满足他们需求的个性化营销活动时依赖这些细分市场。 B2C 目标受众的社会经济状况的有序数据包括性别、地点、家庭收入、婚姻状况和年龄。

另一方面，B2B 目标受众的数据包括年总收入、业务增长阶段、员工人数、市场地位和行业类型。

4.满意度

满意度水平反映了您的客户对不同品牌互动的满意度。 例如，您的客户入职流程或您解决不同客户问题的能力。

客户满意度可以表示为非常满意、满意、不满意或非常不满意。 满意度水平数据可帮助您衡量客户服务和销售处理的满意度，以确定需要改进的地方。

以下是 Buffer 进行的产品市场契合度调查中的满意度数据示例：

资料来源：缓冲区

有了这些数据，该公司可以判断 Buffer 的 Power 调度程序对他们的客户有多有用，这意味着该产品非常适合他们的用户。

5.比较

这涉及提出问题以揭示两个或多个数据点之间的异同。 一旦确定了相同点或不同点，您就可以了解哪些特征相似，哪些不同，以及它们不同或相似的程度。

例如，您可能想要比较 2021 年到 2022 年的收入表现。您的比较将产生每年收入显着减少、大致相同、更多和显着增加的结果。

有了这个，您可以衡量宏观经济和行业趋势，并调整您的策略以适应您的预算流程以控制支出。 您甚至可能决定更进一步并比较行业趋势，以便您可以创建报告和撰写思想领导力内容来提高品牌知名度。

如何收集序数数据

如果您要求某人按照 1-5 的等级对他们的满意度进行评分，他们的回答将是有序的。 您可以使用调查软件通过调查或李克特量表收集这些数据。

调查是收集有序数据的最古老方法之一。 您可以使用调查来确定目标受众对产品、主题或与您的品牌、产品或服务相关的特定问题的感受。 您可以使用多种方法进行调查，包括亲自、通过电话或在线。

然而，通过调查，很难从不想诚实回答问题或不了解问题的人那里收集准确数据。 调查还需要研究人员花费大量时间来创建、验证和分析它们。

李克特量表是一项调查，要求参与者同意或不同意调查中的每个陈述，例如，“我非常不同意”。 然后，参与者根据他们对陈述的感受和同意程度为自己分配一个答案。

李克特量表提高了分析过程中的清晰度，因为受访者在具有明确定义的间隔的有序量表上给自己打分，例如，1-7 的量表。

要收集有序数据，您必须使用隐式或显式尺度对答案进行排名的问题进行调查。 例如，如果您公司网站的访问量很大，您可以使用企业网站反馈工具来收集您网站的反馈。 问：

“您对刚刚阅读的博客文章是否满意？”

可能的答案可能是：

• 快乐的
• 不开心
• 使满意
• 不满意

使用序数数据进行的测试

您可以对有序数据进行多项检验，以衡量两个或多个组之间的差异。 这些测试包括：

• Kruskal-Wallis 测试
• Mann-Whitney U 检验
• Wilcoxon 秩和检验
• 情绪中值检验

序数数据是一种将值从最小到最大排列的数据类型。 换句话说，序数数据是排名或排序的。

Kruskal–Wallis H 检验

Kruskal-Wallis 检验是一种非参数检验，用于比较三个或更多独立组的中位数。 当数据不是正态分布且组间方差不相等时使用。 Kruskal-Wallis 测试还可以比较两个依赖组——网站重新设计前后的图片。

曼-惠特尼 U 检验

Mann-Whitney 检验是一种非参数检验，用于比较两个独立样本的中位数。 当有顺序数据时可以使用它，例如从 1 到 5 的等级，或者当数据中没有明确的组时。

Wilcoxon 符号秩检验

Wilcoxon 符号秩检验是一种非参数检验，可用于具有或不具有正态分布的数据集。 在数据不呈正态分布的情况下，它是 t 检验的替代方法。

运行 t 检验时，假设数据的基本分布是正态的，但这个假设可能是错误的。

例如，在测试两组之间的身高差异时，假设一组的平均身高为 180 厘米，另一组为 170 厘米。 你不会看到他们的身高有任何显着差异。

但是，使用 Wilcoxon 符号秩检验，您可以看到他们身高的常规差异之外的情况。

Mood 的中值检验

该测试基于这样一个前提，即人们的情绪集中在一个中值点附近，其中一些情绪比其他情绪更积极或更消极。 Mood 的中位数测试通常衡量个人对某个问题或想法的感受，例如您的客户对您的产品或服务的看法。 它可以根据他们的情绪预测行为，例如您的客户是否会向您或您的竞争对手购买。

如何分析有序数据

有两种分析顺序数据的方法：推理统计和描述统计。

描述性统计总结数据集的特征并识别模式。 以下是序数数据的描述性统计数据：

• 频率分布
• 集中趋势的措施
• 范围（可变性的度量）

另一方面，推论统计根据您拥有的数据预测未来可能发生的事情。 您可以使用序数数据来收集见解、创建假设，甚至通过上述四种测试得出结论。

Kruskal-Wallis、Mann Whitney U 和 Wilcoxon 符号秩和检验都分析序数数据。 它们都是非参数检验，这意味着它们不依赖于任何关于数据分布的假设。

描述性分析

描述性分析收集、分析和报告有关已发生事件的数据。 这不同于预测分析，后者根据历史数据预测未来事件。 描述性分析帮助企业识别过去的模式，以改进他们未来的决策。

在描述性分析中，目标是在现有数据中找到模式，而不是预测未来会发生什么。 描述性分析旨在找到过去事件之间的因果关系，并使用这些关系来预测未来事件。

与其他分析方法不同，描述性分析可以随时与任何可用数据一起使用。 这使得资源不足的小型企业更容易访问预测模型或其他方法所需的大型数据集。

图表

条形图和图形以易于理解的方式呈现数据。 当数据太大或太复杂而无法在表格中显示时，它们很有用。 您选择的图表类型取决于您要传达的信息量、数据维度和您的受众。

条形图将信息显示为长度与其值成正比的条形。 当数据是分类数据时使用它们，这意味着它属于特定的组。 这是呼叫中心的条形图，显示每个工作日响应所需的时间：

资料来源：数据松

当您希望您的受众能够轻松比较值时，它们是一个不错的选择。 与数字相比，条形图更直观、更容易理解。 也可以将条形与线条或其他图形（如散点图、直方图或饼图）结合使用。

当数据具有有序值时使用折线图。 这些图形使用线连接两个轴上的点，两边的比例相同。 这些线可以是实线或虚线，并且可以从任一轴上的任意点开始。

这些线代表随时间的变化，例如股票市场每天如何波动或能源成本如何逐年变化。 以下是使用折线图可视化的 12 个月内每月入站销售线索的示例：

集中趋势的措施

集中趋势是一组数字的平均值。 它衡量数据集中的数字围绕其均值聚集的紧密程度。

集中趋势的三种主要类型是均值、中位数和众数。 最常见的集中趋势度量是算术平均值，计算方法是将数据集中的所有值相加，然后将该总和除以该数据集中值的数量。

中位数也可以用作计算集中趋势的替代方法，只需在将所有数字从低到高排列后找到数据集中的中间值。 众数是一组中出现次数最多的值。

要点

序数数据比名义数据更复杂，通常用于衡量兴趣。 Likert 量表是一个流行的序数数据示例。

使用此处提供的一些真实示例来激发您自己的调查数据收集。 在此过程中，了解有关轮询及其如何帮助收集数据的更多信息。