人们很容易相信数据。也许太简单了。斯坦福大学2018年的一项研究表明，人们相信带有数字的陈述的可能性比不带数字的要高70%。
更令人担忧的是，近60%的参与者相信含有统计数据的假标题，而只有40%的人相信没有统计数据的假标题。
真正的问题是：除了前两句话，最后两段都不是真的。据我所知没有斯坦福大学的研究，这些数字是我编的。这个超链接实际上是1982年臭名昭著的“现场乐队”加州大学/斯坦福大学比赛的链接。
虽然我并不为欺骗你而感到抱歉，但它说明了一点：数字（和人）肯定会歪曲事实。在内容营销领域，我们看到许多误导性的数字试图与受众建立信任。更可怕的是，许多内容生产者甚至没有意识到他们正在这样做。
不明白我的意思吗？我将给你展示我最喜欢的例子：谷歌趋势。
（诚实的）数据分析的三个基本规则
如果你不熟悉，谷歌趋势是一个令人难以置信的工具，可以让你查看任何东西的相对搜索量。例如，我想知道“老城路”什么时候开始毁了我的生活，所以我调出了一张去年的兴趣图表。
很直观，对吧？根据这张图表，这首歌在2019年4月中旬左右达到了狂热的程度。作为背景，比利·雷·塞勒斯Remix于2019年4月5日发布，所以Trends检查了一下。
现在，你可能开始明白为什么这是内容营销人员的一个巨大工具。它提供免费的、高度可定制的、权威的数据，人们相信它是因为它来自谷歌。
但是让我们仔细看看我们得到的信息。你可能会注意到y轴的一些独特之处，这就引出了第一条规则。
# 1。不要拿苹果和橘子作比较
在每个趋势图中，100表示图表上的最大搜索量；在这种情况下，这一天是“老城路”被搜索最多的一天。
这张图和每个趋势图都是如此因为每个图表都会在某个点上有最高点。图表上的其他值都是相对于100的值。
换句话说，这条线上的每一个数字都是这个术语在峰值时的百分比。因此，当数字在图表末尾徘徊在50左右时，我们可以假设在该范围的最后一天，它的搜索量大约是其峰值时的一半。
然而，我们看到的主要问题是，一些内容创造者试图比较不同图表中的术语，却没有意识到它们是完全独立的。
如果我搜索“Baby Shark”，我同样会在某个地方看到一个位于100的点（就像我搜索任何术语一样）。将这100条与“老城路”的100条进行比较是不公平的，因为我们不知道实际的搜索量是多少。
为了正确地做到这一点，你需要使用Trends的“比较”功能，在那里你可以看到“Old Town Road”的峰值搜索量几乎是“Old Town Road”的两倍，尽管“Baby Shark”存在的时间更长。
因为搜索兴趣是相对的，从技术上讲，我们不能说“它的搜索量是78”，因为实际上，78的值代表了最大搜索量的78%。
再看一次引起我小侄子注意的“老城路”/“小鲨鱼”之争，你可能会注意到一些事情：尽管“老城路”有最高的最高潮，并且自发布以来一直高于“小鲨鱼”，但最左边的“平均”条形图显示“小鲨鱼”的条形图明显更高；确切地说，是26到15（正如第一点所讨论的，这只意味着图表上最高交易量的26%和15%，即2019年4月的“Old Town Road”）。
这让你相信“小鲨鱼”的平均搜索量比“老城路”多80%。当然，这是误导，因为我们选择的时间范围，“老城路”不存在。如果你要比较的东西，他们总是需要有相同的机会，在选定的时间段内实现搜索量。
如何应用规则
内容创造者需要对他们呈现的数据和信息负责。这意味着他们需要做（“做，做，做，做”）尽职调查，以了解他们的数据，它代表什么，以及他们所做的声明是公平的。
我喜欢用的一个测试是：如果我是一个不想报道这个故事的出版商，我会说什么？这种方法允许您对数据持批判态度，并允许您在问题出现之前先发制人地解决问题。
# 2。保持透明
你很容易被第一个发现冲昏了头脑，而忘记了其他的。但这可能意味着与整个故事相关的其他要点正在等待揭示。
让我们来看看Lil Nas X在全国的搜索热度：
所以Georgia是搜索最多的，对吧？不一定。正如谷歌所解释的那样，“每个数据点都除以它所代表的地理和时间范围的总搜索量，以比较相对受欢迎程度。否则，搜索量最大的地方就会排在最前面。”
说白了，Lil Nas X在乔治亚州的搜索率要高于加州。如果单从数量上看，加州永远是第一名，因为它拥有最多的人口。现在，这可能是你正在寻找的结论（这将是一个公平而有趣的结论），但它并不完全是第一眼看上去的那样。
如何应用规则
就像内容创造者需要批判性地思考他们所呈现的数据的质量一样，他们也需要批判性地思考他们没有呈现的内容以及相关的含义。给你的数据一个完整的背景，并说明为什么有些东西包括在内，而另一些没有。
有简单的方法吗？在文章的末尾包括方法论部分、适当的源图形和数据，并且可以随意在副本中添加与内容相关的信息。你的数据越透明，你就越能赢得用户的信任。
# 3。理解你正在使用的样本
也许对Trends数据最可怕和最被滥用的警告是，它所呈现的一切——每个数据点、图表、比较、州排名等等——都是基于样本的。诚然，Trends对其进行了处理和解释，使其对搜索更有趣（通常是相关的）。
谷歌在进行这些操作时并没有查询它所接收的数以亿计的搜索；相反，它使用的是他们搜索的一个非常小的样本。我不怪他们——这个免费工具需要大量的资源才能正确地进行这种分析，尤其是对不断变化的数据。b谷歌自己承认，趋势数据“是谷歌搜索数据的随机样本，可以从2004年开始提取，最长可追溯到搜索前36小时。”
这是什么意思？每次搜索的结果都会有很大的不同。
大约一年前，我想找到每个州最常见的家常菜。我认为找到去年每个州最受欢迎的“_____食谱”会创建一个有趣的信息图表。
我输入“食谱”作为我想看到的趋势，然后使用每个州的“相关搜索”工具来查看出现的内容。这是我在阿拉斯加的结果：
您可以将带有食谱图像的各州地图想象为有趣的内容。但是看看当我刷新页面时发生了什么：
检查这些时间戳：这些截图是间隔1分钟拍摄的，数据差异很大。重要的是要知道，我的搜索中的每个变量都是相同的，并且包含日期，所以从理论上讲，它们不应该是不同的。
您可以看到，利用这些发现创建糟糕的数据科学是多么诱人。
如何应用规则
测试，测试，再测试你的数据；这适用于所有类型的内容，尤其是那些可能实时更新、变化或不一定长青的内容。在构建交互式内容时，我花了大量时间尝试打破最终版本，然后才放心地将其放到互联网上。如果有人要找漏洞，我宁愿是我。
对于你的数据集，你可以问问自己：如果使用同样的工具，另一个人能够重建我的工作并得出同样的结果吗？如果不是，要清楚地说明为什么会这样，以及你是如何得出结论的。如果你的目标是建立链接，那么发布者会欣赏并经常引用这种透明度。
为什么这一切都很重要
为了让内容能够在互联网上取得成功，我们需要能够信任它。作为内容营销人员或任何关心数据的人，我们有责任明智而诚实地使用趋势等工具。以下是如何做到这一点的例子：
详细说明如何以及何时提取数据的方法。
解释研究的局限性。
清楚地说明潜在的偏见。
恰当地标注你的信息。
列出样本大小和误差范围。
在某些内容中，这些会比其他内容更多地出现，甚至我也会承认担心会破坏我自己的内容。但归根结底，我更愿意让人们对他们所看到的东西有一个诚实的看法，让他们自己决定从中得到什么。出版商、新闻媒体和历史可能也会有同样的感受。