指标下钻归因之乘积因子模型
前文已经介绍了单因素拆解法、双因素拆解法，本文介绍一种新的乘积因子拆解法LDMI，常用于指标拆解，例如拆解订单量、GMV变化，做监控使用。
LMDI模型是一种用于分解能源消费变化的方法，它的基本原理是将能源消费变化分解为各个因素的贡献，从而更好地理解能源消费的变化趋势和影响因素。LMDI 模型的全称是 Logarithmic Mean Divisia Index，它是一种基于对数平均分解的方法，可以将能源消费变化分解为结构效应、强度效应和组合效应三个部分。
数分方法论中的“流程分析/漏斗分析/用户路径分析”，比如销量=流量*转化率*人均消费件数。
下面我们以订单数为案例，来进行讲解。
指标因子公式：订单数=访问UV*加购率*转化率*人均购买量。
指标波动贡献计算公式，采购LMDI乘积因子拆解法，首先计算平均对数权重，
然后计算每个乘积因子的贡献度为
其中
可以发现加权系数为
数据分析发现：支付率和人均购买量分别环比下降15.38%和32%，此时支付率、人均购买量的贡献度均为负数（即有明显负向拉扯），导致整体订单数呈现负增长。
如果对上述案例感兴趣，敬请关注公众号:致分享,后台回复LDMI即可。
关注公众号「水沐教育科技」，在手机上阅读所有教程，随时随地都能学习。内含一款搜索神器，免费下载全网书籍和视频。
微信扫码关注公众号