抖音号资讯：可以对19年9月第四周的运营策略做出真实评估

综上的环比与同比分析，我们可以对19年9月第四周的运营策略做出真实评估：有效的带来GMV增长。

此外，我们还可以根据18年9月第四周的环比降幅，预估19年9月第四周的自然GMV，从而评估19年9月第四周的GMV增长量为20万：

• 19年9月第四周GMV增长=实际GMV-自然GMV
• 19年9月第四周GMV增长=实际GMV-19年第三周GMV*（1+19年9月第三周同比增长率）
• 19年9月第四周GMV增长=140万-150万*（1-20%）= 20万

同比主要是为了消除可能存在的周期变动的影响，当连续两个周期波动特别大的时候，就不能只用环比去进行效果评估了，则需要将同比与环比放在一起进行分析。

那么同比和环比都用上了，就能保证数据结果的正确性吗？

不一定，接着上面的活动来说，我们预估2019年9月第四周的自然GMV，是默认2018年9月第四周是没有进行任何对GMV产生波动动作的自然环比下降，但如果2018年9月第四周有进行用户激励的运营动作，那真实的环比降幅可能就不止20%，甚至更高。

考虑到这种未知的干扰情况，影响我们对数据结果的评估与分析，我们就需要换一种能够减少未知干扰的分析方法——控制变量分析法。

第二种：控制变量分析法

1. 什么是控制变量法

控制变量法是在蒙特卡洛方法中用于减少方差的一种技术方法。该方法通过对已知量的了解来减少对未知量估计的误差。

控制变量法简单来讲，就是我们工作中最常见的A/B test。制定两种方案，将用户随机分成实验组与对照组，实验组用户进行产品功能或营销激励的单一变量干预，对照组不进行任何干预自然运行，一段时间后分别统计两组用户的数据表现，评估功能或激励效果。

A/B test 的优化内容主要有6个方向，可以根据不同的内容设计不同的优化方案，进行效果测试；