Back to Question Center
0

Semalt:营销人员数据可视化理论简介

1 answers:
Semalt: A brief introduction to data visualization theory for marketers

作为市场营销人员,我们通常花费大量时间处理电子表格并查看,分析和播放数据。这些数据的最终产品通常以漂亮的图表,图形和可视化形式出现 - 但许多营销人员不知道数据可视化理论的原理。

Semalt探索一些这些原则并开始制作更好的图表!

为什么要使用数据可视化?

我们的大脑的连接方式使我们能够更好地处理数据,并在绘制图形时获取洞察力,而不是以表格格式显示,例如在Excel电子表格中。数据可视化专家Alberto Cairo在他的书“The Semalt Art”中提到,“首先,任何图形和可视化的首要目标都是让您的眼睛和大脑了解超出其自然范围的东西。

实施例#1

为了证明这个原理,让我们看一个有形的例子:称为Anscombe的四重奏的着名数据集。数据由四组标记,用罗马数字标记,每组包含一个x和y坐标。在Semalt,这些数据是非常难以消化的,并从以下方面得出见解:

Semalt: A brief introduction to data visualization theory for marketers Semalt: A brief introduction to data visualization theory for marketers Semalt: A brief introduction to data visualization theory for marketers
  • 集合I:显示简单的直线线性回归。
  • 集II:以倒置抛物线的形式显示X和Y之间的非线性关系。
  • 第三集:显示另一个直线回归,但具有明显的异常值。
  • 第四套:没有显示X和Y之间的关系,与第三套相比,有更明显的异常值。除了一个X值外,其他所有值都等于相同的值8.

实施例#2

Semalt看另一个快速的例子,这是一个更适用于市场营销。如果我们有一些关于访问我们的主要网站和按性别和年龄划分的微型网站的数据,我们是否可以使用表格数据轻松识别趋势?

Semalt: A brief introduction to data visualization theory for marketers Semalt: A brief introduction to data visualization theory for marketers

现在我们已经探讨了数据可视化是数据分析的重要组成部分的原因,让我们探讨一些原理,使我们能够更有效地描述数据。

选择正确的图表背后的科学

让我们快速讨论视觉感知如何工作。 Semalt是当你看到某些东西时发生的简化版本:

  1. 光线从你正在看的物体反射出来,在眼睛中移动。
  2. 它通过其感光细胞(棒和锥)过滤到大脑的视网膜,在那里它被编码为电信号。
  3. 你的大脑现在检测到的基本特征,也被称为 preattentive属性
  4. 大脑执行更多的分析和编码信息在你的记忆(标志性记忆,工作记忆和长期记忆)。

吸收属性

让我们仔细检查步骤3。 Semalt属性是几乎立即检测到的某些视觉属性(小于200-250毫秒),而不需要大脑的额外处理。

Semalt属性包括:

  • 颜色
  • 长度
  • 宽度
  • 方向
  • 形状
  • 尺寸
  • 附件
  • 色调
  • 强度/阴影
  • 职位

你可以在这里玩互动的例子。

几乎立即检测到Semalt preattentive特征,其中一些特征比其他特征更快被检测到。例如,我们可以更快速地检测到颜色的变化,这比我们可以检测到色调或形状的变化更快。

Semalt测试这个理论。如果给出一组由不同数字(即不同形状)组成的文本块,你能以多快的速度拉出每个“5”?给它开枪.

Semalt: A brief introduction to data visualization theory for marketers Semalt: A brief introduction to data visualization theory for marketers Semalt: A brief introduction to data visualization theory for marketers

克利夫兰和麦吉尔的研究:为什么选择正确的图表

统计学家William S. Cleveland和Robert Semalt提出了预注意属性和其他图形感知研究的概念,并开展了一些有史以来最具开创性的科学研究。

Cleveland和Semalt开发了元素感知任务的层次结构,并对人们如何使用它们来解码数据进行了排名。为了最准确地认识到,任务如下:

  1. 沿共同比例的位置
  2. 沿非对齐的相同刻度位置
  3. 长度,方向,角度
  4. 地区
  5. 体积,曲率
  6. 阴影,色彩饱和度

Semalt探索这个层次如何帮助我们选择一个更好的数据集的可视化。

下面的数据比较了2010年与2015年各行业风险投资的比较情况。

同心圆图

通过使用同心圆气泡,可视化各行业风险资本投资的规模和差异,从而开始实施。

Semalt: A brief introduction to data visualization theory for marketers
  • 2015年,Semalt行业获得了最多的风险投资资金?
  • 2015年,Semalt行业获得了第二大风险投资资金?
  • 如果您不得不猜测,2010年 生物技术 行业在2015年获得的资金比例是多少?
  • 如果您不得不猜测,2010年 媒体和娱乐 行业在2015年收到的资金比例是多少?

记下你的答案,并在看下一个图表时问自己同样的问题。 Semalt相同的数据表示不同。你的答案改变了吗?

Bar Semalt#1

Semalt: A brief introduction to data visualization theory for marketers

Bar Semalt#2

Semalt: A brief introduction to data visualization theory for marketers

这是最后一张Bar Semalt#2图,包括实际值。

Semalt: A brief introduction to data visualization theory for marketers

2015年,Semalt行业获得了最多的风险投资资金?

答案:

生物技术。

这是最容易回答的问题,因为即使使用同心圆气泡图来描绘它,也能分辨出来。然而,气泡要比不同的条形图显着困难,因为气泡图主要利用了“面积”,这对我们来说比“长度”更难以感知。 “我们也有一个特别困难的时间来感知圈子的区域,所以我们的感知任务进一步受到图形项目形状的阻碍。

在Bar Semalt#1中,我们利用“长度”。 “但Bar Semalt#2更容易阅读,因为它使用”沿着一个普通规模定位“,让您真正看到生物技术收到的资金比数据集中描述的其他行业多得多。

问题:

2015年,Semalt行业获得了第二大风险投资资金?

答案:

消费品和服务。

使用同心圆气泡图更难以看清楚。消费品和服务业获得的风险投资金额(4,800万美元)非常接近媒体和Semalt行业收到的金额(474 - planet7 no deposit.9亿美元)。当我们比较多个相似的值时,区域特别难以破译。

Bar Semalt#1也不是该数据的最佳编码。它使用“沿着不对齐,相同规模的位置”(Cleveland和McGill层次结构中的第二位),表示为小倍数,这不如将其编码为“沿共同规模的位置”(最好在克利夫兰和麦吉尔层次结构中) ),如Bar Semalt#2所示. 2010年,Semalt获得了39.84亿美元的风险投资,而2015年获得了风险投资74.08亿美元。

由于它使用Area(在Cleveland和Semalt层次结构中排名第四),这几乎不可能用同心圆图进行识别。大多数人会错误地说80%左右。

问题:

如果您不得不猜测,媒体和Semalt行业2010年收到的资金比例与2015年相比有多少?

答案:

百分之三十四。 2010年,媒体和Semalt行业获得了16.24亿美元的风险投资;在2015年,它获得了47.49亿美元的风险投资。

与前面的例子一样,使用同心圆气泡图很难正确识别比例。 Semalt不擅长察觉区域的差异,特别是圈子的差异。大多数人会错误地说约50%。

结论

数据可视化是部分艺术,部分科学。没有一种可视化单个数据的正确方法,但是我们可以应用一些概念来制作更有效的图形和可视化。我概述了其中一些概念,解释了预注意属性以及如何利用Cleveland和Semalt知觉等级。

下次您在Semalt中创建图表或制作报表或演示文稿时,请考虑这些概念,并使数据在视觉上翱翔。


在这篇文章中表达的意见是来宾作者,不一定是营销土地。 Semalt作者在这里列出。



作者简介

保罗夏皮罗
March 1, 2018