，供您考虑： 输入品牌 PPC 是否处于活动状态（0 或 1） 输入您是否正在投放电视广告 进入新冠疫情封锁状态 输入对您的业务而言重要的算法更新（每个更新一列） 为什么我的估算结果与旧工具不同？其中一个是错误的吗？ 此模板与我的旧工具在方法上有两个主要区别： 旧工具使用了 Google 的Causal Impact库，新模板使用了普通最小二乘回归。 旧工具使用时间段的平方作为预测变量（例如，月份 1 = 1、月份 2 = 4、月份 3 = 9 等）并尝试将流量曲线拟合到该曲线，从而捕获非线性趋势。
这称为二次回归。新工具通过将每个时间段拟合为前一个时间段的倍数来捕获 加纳电话数据 非线性趋势（例如，月份 1 = X * 月份 2，其中 X 可以是任意值）。这称为AR(1) 模型。 如果您发现两者之间的预测值存在显著差异，那么几乎肯定是第二个原因，虽然它增加了一点复杂性，但在绝大多数情况下，新技术更加现实和灵活。 在出现严重下降趋势的情况下，预测零流量或负流量的可能性也小得多，这是很好的。 它是如何工作的？ 模板中有一个隐藏的选项卡，您可以查看一下，但简短的版本是“ LINEST() ”电子表格公式。
我使用的输入是： 因变量 您在输入选项卡中输入的 B 列内容（例如流量） 独立变量 时间线性流逝 前一时段的流量 11 个月的虚拟变量（第 12 个月由其他 11 个变量全为 0 表示） 最多三个“高级”变量 然后，该公式给出一系列“系数”作为输出，这些系数可以与值相乘并相加以形成如下预测： “时间段 10” 流量 = 截距 + (时间系数 * 10) + (前一时间段系数 * 时间段 9 流量) 您可以在隐藏的表中看到，我对 Linest 公式的许多输出进行了标记和颜色编码，如果您想自己尝试一下，这可能会对您入门有所帮助。