一、画图的过程就是思考的过程

嘴上说「我想看看数据」，手一放到键盘上就得回答：横轴放什么、纵轴放什么、颜色分几组。 这几个问题答不出来，说明你还没想清楚要比什么。图画不出来，不是手笨，是脑子里的问题还没成形。 所以画图不是分析的最后一步，是中间一步。画到一半发现图画不下去，往往是最好的收获。

客户指着图上某个点问「它为什么在这儿」，也是同一个机制——这个问题会逼你回去查数据。

二、实验设计师的假设

看到「停留时长与转化率」那张散点图，实验设计师提了三条：图放大一点，人就会多停留； 停留久了就会多买；多买的人下次还会来。 三条听着都顺，但一条都没被验证。每一条都是一个可以设计的实验：改一个变量，其他不动，跑两周。 第一、二条可以合起来测：A 组用大图，B 组用原图，比停留时长和转化率。第三条要测复购，得等更久。

注意「其他不动」这四个字：同一个月、同一批流量来源、同一个价格。少一个条件，结论就不可信。

三、假设要能被证伪

「放大图会提高转化」这句是可证伪的：跑完发现 B 组反而更高，这句话就被推翻了。 「用户体验更好了」这句不可证伪：怎么算更好？没有数，就没有反驳的机会，也就没有信息。 做分析的人有个习惯值得学：提假设时就顺手写上「什么结果说明我错了」。写不出来，说明这条假设不能测。

这一条和第 2 章的实验设计是一回事。图形负责提，实验负责验，两个缺一个都成不了结论。

四、交付时怎么讲一张图

第一句说结论：把资源给上海，因为它每千访客带来 11388 元，比最低的广州高 69%。 第二句说依据：这张图按每千访客收入排序，颜色标出转化率。 第三句说下一步：先在广州试两周落地页改版，有效再推广。

三句话之外都是解释。讲图的人最容易犯的错，是从「我用了什么数据」开始讲——听众要的是结论，不是过程。 还有一条：图的标题要写成一句话结论，不要写「各城市转化率对比图」。 标题是这张图唯一保证会被读到的一行字。

五、故事之外：这本书没说的两件事

第一件：书里的数据都干净。 现实里的数据有缺行、有重复、有口径变过——同一列数在 6 月换了统计方式，这种事很常见。 第二件：书里的结论都被采纳了。 现实里一张图能不能改变决定，还取决于会议室里的权力和预算，不只看分析对不对。 这两件事都不影响这一章的方法。方法是对的，只是方法之外还有别的变量。

第 4 章到此结束。下一章换一个问题：数据不够、只能靠猜的时候，怎么猜得有理有据。

六、动手 Demo：多元图形与分面：一张纸说四件事

按转化率和客单价各切一刀，六个城市落进四格，再把四格画成 2×2 的四张小图。 分面是四种编码通道里精度最高的一个——代价是占地方。

import os
import matplotlib
matplotlib.use("Agg")
import matplotlib.pyplot as plt

CITY = [("北京", 3.4, 268.0), ("上海", 3.9, 292.0), ("广州", 2.8, 241.0),
        ("成都", 4.6, 205.0), ("杭州", 4.1, 255.0), ("西安", 5.2, 188.0)]
RATE_CUT, AOV_CUT = 4.0, 250.0      # 两条分界线是人为定的

grid = {}
for nm, cr, aov in CITY:
    grid.setdefault((cr >= RATE_CUT, aov >= AOV_CUT), []).append(nm)
for hi_r in (True, False):
    for hi_a in (True, False):
        g = grid.get((hi_r, hi_a), [])
        print("%s转化 %s客单 -> %s"
              % ("高" if hi_r else "低", "高" if hi_a else "低",
                 "、".join(g) if g else "空"))

fig, ax = plt.subplots(figsize=(5.0, 3.2), dpi=110)
ax.axis("off")
ax.set_title("2x2 facets: conversion rate by city", fontsize=8)
for k, (hi_r, hi_a) in enumerate(((True, True), (True, False),
                                  (False, True), (False, False))):
    sub = ax.inset_axes([0.04 + (k % 2) * 0.48, 0.52 - (k // 2) * 0.48,
                         0.44, 0.38])
    g = [c for c in CITY if (c[1] >= RATE_CUT) == hi_r
         and (c[2] >= AOV_CUT) == hi_a]
    sub.bar(range(len(g)), [c[1] for c in g], color="#7f9fd0")
    sub.set_xticks(range(len(g)))
    sub.set_xticklabels(["c%d" % (CITY.index(c) + 1) for c in g], fontsize=6)
    sub.tick_params(labelsize=6)
    sub.set_title("%s rate / %s order" % ("hi" if hi_r else "lo",
                                          "hi" if hi_a else "lo"), fontsize=6)
fig.tight_layout()
fig.savefig("panels.png")
plt.close(fig)
print("分面图存成 %d 字节" % os.path.getsize("panels.png"))

实跑输出：

--------------------------------------------------------------------
多元图形与分面：一张纸说四件事
--------------------------------------------------------------------

  ① 把六个城市切成四块
  --------------------------------------------------------------------
  按「转化率高／低」和「客单价高／低」切一刀，六个城市落进四格。

| 转化率 | 客单价 | 城市 | 数量 |
|---|---|:---:|---|
| 高 | 高 | 杭州 | 1 |
| 高 | 低 | 成都、西安 | 2 |
| 低 | 高 | 北京、上海 | 2 |
| 低 | 低 | 广州 | 1 |


  ② 分面：四张小图并排
  --------------------------------------------------------------------
  把四格画成 2×2 的四张小图，每格一根柱子，高度是该城市的转化率。
  分面的好处是：不用把三个变量硬塞进一张图，读者一眼能对上。
  分面图存成 PNG：13592 字节

  ③ 图形是拿来思考的
  --------------------------------------------------------------------
  画图的过程会逼你把「我想比较什么」说清楚。说不清，图画不出来。
  客户看图的时候，会问「为什么这个点在这儿」——这个问题会逼你回去查数据。
  所以图不是分析的终点，是分析的中间产物。
  ! 一张让人「哦」一声的图，比十页表格有用；一张只让人「嗯」一声的图，不如不画。

  ④ 这一章的收尾
  --------------------------------------------------------------------
  图形化的根本在于正确比较。位置、大小、颜色、分面，都是为了让比较成立。
  下一章换一个问题：当数据不够、只能靠猜的时候，怎么猜得有理有据。

分界线定在 4.0% 和 250 元，是人为的。 换个界线，四格里的城市会变——分面之前要先说清按什么切，这是分面唯一容易被藏起来的地方。 六个城市里，右下那格（低转化、低客单）只有广州一个。一格里只有一个点，这张小图其实什么也比不了。

30 秒实验

1. 把两条分界线换成均值（转化率均值 4.0%、客单价均值 241.5 元），四格里的城市会怎么变？
2. 把分面改成「颜色标转化率、位置标客单价」，一张图能不能装下同样多的信息？会丢什么？
3. 想一想：这一章三份图被退回，最后一张分面图被接受了。真正让它被接受的是图本身，还是那三句话？

常见误区

1. 画完就完了：图不配结论，等于把解读的活全推给读者，读者通常不会接。
2. 标题写「XX 对比图」：标题是唯一保证被读到的一行，写成目录就是浪费。
3. 分界线随手定：用均值、中位数、还是业务阈值，得说得出理由，否则分面就是在制造结论。
4. 把假设当结论讲：散点图看出来的关系，讲成「因为……所以……」就是越界。

第 4 章收尾。第 5 章开始处理「数据不够」这件事：手里只有一小批数，怎么猜得有理有据。

• ☐ （本篇完，下一篇 5.1 手机皮肤与已知信息）

相关笔记

• 多元图形
• 正确比较是图形化的根本
• 混杂因素登场
• 📈 深入浅出数据分析 · 索引