而是一直在思考数学思想如何帮助我们这些营销人员；要么让我们更好地完成工作，要么帮助我们理解更高级或更抽象的概念。 显然，像这样的帖子只能触及表面，所以我设计了它以链接到大量资源和进一步阅读。按照难度和先决条件的大致升序排列，以下是我最喜欢的一些针对营销人员的数学思想： 平均化 第一个也是最简单的想法实际上是对一个常见误解的纠正。
我们在这里讨论的是我们正在为客户可视化的
一些数据。问题如下： 我们的客 智利电话 户有按年龄、地点和性别的所有组合细分的平均收入数据（详细信息已更改以保护无辜者）。 我们希望获得按性别划分的平均收入。 人们很容易认为，可以通过对所有女性值和所有男性值取平均值来根据提供的数据做到这一点，但这是错误的。 如果年龄或地理分布在性别上不是完全一致的，那么我们就会得到错误的答案。
请考虑以下完全虚构的例子
女性，25 岁，伦敦 品牌如何利用虚拟摄影、3D 和 AR 来促进数字销售 均：30,000（10,000 人） 女性，26 岁，伦敦 – 平均：31,000（11,000 人） 很容易让人认为整个群体的平均人数是 30,500。 事实上，这个数字是 30,524（因为存在一个隐藏变量，即第二群体的人数多于第一群体的人数）。
在营销中当用百分比表示时
你经常会遇到这种情况。 假设你的 在短信中 活动在第一个月的投资回报率为 200%，在第二个月的投资回报率为 250%。到目前为止，该活动的投资回报率是多少？ 答案：在 200-250% 范围内。 你不知道具体是多少。 尝试一下这个脑筋急转弯提示： 如果我以 30 英里/小时的速度行驶 60 英里，那么接下来的 60 英里我要开多快才能达到整个行程的平均 60 英里/小时的速度？ 相关系数 虽然数学背景看起来很吓人，但线性回归和相关系数代表了一个相对简单的概念。
其目的是衡量两个变量之间的密切关系
想象一下尝试通过两个变量的 XY 散点图绘制一条“最佳拟合线”。 它的工作原理概括起来就是，它通过散点图找到一条线，使散点图上各点与该线的距离之和最小化。 最棒的是，您甚至不需要深入研究数学细节即可使用此技术。Excel 内置了可帮助您执行此操作的函数 – 观看此 YouTube 视频，了解如何执行此操作： 贝叶斯 托马斯·贝叶斯是一位生活在 18 世纪早期的数学家。