对比看数据：从两张图里找走势差异

上周整理后台留言，有位读者发来两张图。第一张是某城市2023年1月到12月的二手房挂牌量，第二张是同期的新增带看量。单看挂牌量，3月冲高后一路缓降，像是市场降温；单看带看量，9月却出现了一个小高峰。两张图放在一起，问题就来了：挂牌在减少，带看为什么反而增加？这个疑问，本身就是对比分析的起点。

很多人做数据观察，习惯盯住一条线从头看到尾，涨了就找涨的原因，跌了就找跌的理由。这种方法不是不行，但容易漏掉关键信息。对比分析的核心，是给数据找一个参照物。参照物可以是时间上的另一个点，也可以是空间上的另一个对象。比如把2023年9月的带看量，和2022年9月比，而不是和同年3月比。2022年9月是什么情况？那会儿刚经历一轮政策调整，基数偏低。用低基数做分母，9月的增长就没那么突兀了。

拿具体数字说话。假设2022年9月带看量是4.2万次，2023年9月是5.1万次，同比增幅约21%。但如果和2023年3月的7.8万次比，9月只有它的65%。同一个5.1万，放在不同的对比框架里，一个显得在涨，一个显得在跌。这时候，单看绝对值的意义就有限了。数据本身没有方向，方向是对比出来的。

对比分析的第一步，是定基准。基准选得不对，后面的走势判断都会偏。常见的基准有三类：同比、环比、结构占比。同比看的是年度周期，适合有季节性的指标；环比看的是短期变化，适合高频数据；结构占比看的是内部构成，适合拆解总量。比如看某平台日活用户，同比可能只涨了3%，但拆开看，新用户占比从15%升到28%，老用户留存从62%降到51%。总量没大变，结构已经换了。这时候再谈走势，就不能只看总数。

第二步，看偏离。基准定好之后，重点不是看谁高谁低，而是看偏离基准的程度。偏离越大，越值得追。举个例子，某行业月度营收数据，过去12个月的环比增速基本在-2%到+3%之间波动。突然某个月到了+9%，这就是一个明显的偏离信号。先别急着下结论，回去查这个月有没有特殊因素：是集中确认收入，还是统计口径调整，还是真的需求放量。对比分析不负责直接给答案，它负责把异常点标出来。

第三步，用走势验证。单点偏离可能是噪声，连续几个点同方向偏离，才构成走势。还是上面那个营收例子，如果+9%之后，接下来两个月分别是+6%和+7%，那就不是单月扰动，而是趋势在抬升。反过来，如果+9%之后迅速回落到+1%，那大概率是一次性因素。这里的关键是，预测不能只靠一个点。数据观察的耐心，体现在愿意等两三个周期再下判断。

回到开头那个二手房的问题。后来我把挂牌量和带看量做了比值：带看/挂牌。2023年3月这个比值是0.31，9月是0.47。挂牌少了，带看相对多了，说明单套房的关注度在上升。这个变化，比单独看挂牌量或带看量都更有信息量。对比分析的价值，不是把两个数字放一起比大小，而是通过比值、增速差、结构变化，找到那个真正在动的变量。

最后说一个容易踩的坑：对比维度太多，反而看不清。有人做数据观察，一上来就切五六组对比，同比、环比、分城市、分渠道、分新老用户，图铺满一屏，结论却说不出一句。我的建议是，一次只做一组对比，把这一组吃透。定基准、看偏离、验走势，三步走完，再换下一组。慢一点，但每一步都踩实。数据不会跑，跑的是看数据的人。