大家好，我是花老师。今天，这堂课是整个PBI系列的第11课，核心关键词正如本文名字一样，搜索环境、波动性、集中度。当然，这么讲肯定是不好理解的，不过没关系，稍后我会好好给大家分享。
还没有看过上10堂课的同学，要记得提前预习，文章名如下：
《PBI系列 车图 色彩搭配 数据分析 01》花随花心著
《PBI系列 竞品评论 流量 词云分析 02》花随花心著
《PBI系列 快选 人气新品池 品质档 03》花随花心著
《PBI系列 天猫国际 搜索 属性分析 04》花随花心著
《PBI系列 京东 词根分析 时段流量 05》花随花心著
《PBI系列 关键词 多维度 市场分析 06》花随花心著
《PBI系列 类目大词 群店 竞争透视 07》花随花心著
《PBI系列 搜索环境 竞店 二维矩阵 08》花随花心著
《PBI系列 店铺分类 地区透视 关系 09》花随花心著
《PBI系列 象限分析 雷达 区间分段 10》花随花心著
那么，接下来，就让我们正式进入主题。
正文
再过几天就要中秋节了，不知道大家会不会回家看自己的家人呢？我已经订好了票，预先买了两瓶红酒寄回家里，等着放假那天就回家看看了。
有时候，不是不想家，是回不去。。。
话说回来，在之前讲过的10堂PBI的课程的时候，已经带着大家熟悉了操作流程。当然，也有部分同学是刚开始认识我的，自然需要有个熟悉的过程。
那我们今天就开始来继续讲讲，这第11堂课的核心内容吧。我们都知道，实际上数据是有特性的，就好比如平均值，中位数，或者标准差等等。
在统计学当中，有很多的数据算法是用于帮助我们更好的分析数据而诞生的，就好比如赫芬达尔-赫希曼指数（简称赫芬达尔指数）。
根据网络上的介绍，简单来说就是可以帮助我们分析数据集中度的意思。所谓的集中度，就好比如说财富，我们都知道实际上这个世界的大多数财富是集中在少数人手上的，各行各业都一样。
一般来说，行业的TOP1就占据了行业份额的50%以上，TOP2占据的份额减少，TOP3占据的份额更少，以此类推。
也就是，如果一个行业的交易额大多数集中在一些品牌手上的话，那就说明这个行业垄断的很厉害。
当然，我们今天不谈行业，聊的是搜索环境。
这份图表，右侧的数据就是在分析该关键词下的搜索环境，左边是数据源。当然，今天我其实是在PBI的基础上，将数据融入Excel进行分析的。我们之前的10堂课基本都是在PBI的框架里头进行实战，但是很少涉及到大规模的数据统计。
而针对数据统计，其实Excel的操作可能大家接受起来更加容易吧。因此呢，我们今天数据处理部分交给PBI，而数据统计部分交给Excel，不知道这样讲大家能理解吗？
当然，我分析的是销量排序下前10页的无线端数据，这里暂时用PC端的截图代替。简单来说，由于平台的特殊之处，数据里头居然没有销量，而只有评论数，那么我们就用评论数来代替销量进行分析。
可以直接在这里，将透视表的筛选按钮点击一下，之后选择某一个关键词，那么数据就会自动更新，如图所示
这样子，就方便了关键词的筛选，当然，您也可以直接用切片器，我这里比较懒，就没有去做一个了。
另外，这份数据图表是支持后期一键更新的，简单来说，我这里举个例子，必须先从PBI的已经处理好的数据进行复制表操作，如图所示
只需要随便选中一列，然后鼠标右键点击复制表，那么整个表格就被选中，之后，打开Excel，右键粘贴即可，如图所示
当然，我用了Excel的表格格式，因此后期如果有新的数据进来的时候，也是一样右键粘贴，替换掉原先的数据，那么刷新之后就可以把数据自动更新，这份图表不需要重新制作，如图所示
记得替换数据的时候，一定要把旧数据全部选中，否则可能出现数据重复的情况。
正所谓，没有对比就没有伤害。不同的关键词，实际上波动性不同。我们这里主要以关键词的评论数作为分析的依据，毕竟在平台上这个指标是相当于销量的。
[红酒] 评论数的波动性是1.05；[红酒 干红] 评论数的波动性是1.00；[红酒 葡萄酒] 评论数的波动性是1.08。
所谓的波动性，实际上就是在描述数据之间的离散程度，波动性越大，说明数据分散的越大，也就是有些数据值很大，有些很小，之间的差距很大。
波动性的计算公式：波动性=标准差/均值
标准差我们都知道，就是在描述数据的离散程度的值，也就是标准差越小，那么数据之间距离的也就越小，当然由于加入了均值这个维度，波动性比标准差要更加有用，因为数据的抗干扰能力更强。
不理解也没关系，只需要记住我们在选择关键词的时候，实际上波动性越大，对我们实力比较弱的卖家来说，机会就越大，因为关键词很容易受到波动影响。
如果像一趟死水的，行业的关键词波动性很小，那么我们实力不足的情况下去做这个词就很难做得成。
除此之外，拿这个维度去分析行业市场，以及细分行业也是可以的，这个有机会我们再讲。
接下来，我们来聊聊集中度，也就是财富是否聚集在少数人手上。计算之前，我们再来看看赫芬达尔指数是怎么说的，如图所示
首先，要把类目TOP的产品评论数都记录下来，我这里记录了TOP50个产品。然后，分别计算每个产品的评论数在TOP50里头的占比情况，最后根据这个情况数据进行二次平方，最后得到的数据进行求和即可达到结果，我这里求和用的是TOP10以内的数据，如图所示
实际上，可能这么讲有点绕，意思就是说我这个数据表格里头的0.58%，是从占比平方当中，挑选TOP1-TOP10的数据相加得到的。
那么就让我们来看看，这三个不同关键词的集中度表现如何，如图所示
很明显，[红酒 干红]这个关键词的集中度更高，为0.67%，而其他2个关键词的集中度，基本相同，因此可以断定，[红酒 干红]这个关键词的垄断程度更高。
这个就是所谓的关键词集中度，以及波动性的相关介绍，当然，我今天所获取的数据，来自于自己研发的数据分析工具箱，如图所示
目前为止，这个是第5代版本，一共有15个免费功能，当然随着我后面的不断更新，肯定会加入更多实用功能进来，尽请期待！
以上内容，基本上可以让大家了解到这个图表是干嘛用的。当然，其中技术方面的细节，我都会留到（付费）视频、（免费）音频当中进行详细介绍。不过，从这个系列开始，与以往不同的是，我会加入一段漫长的无声操作视频，将自己完整的操作过程记录下来，这样大家就不会说不清楚其中的细节了，由于是无声，因此我在音频当中会减掉这部分内容。
希望我今天的分享能对大家有所帮助，谢谢！想要获取这堂课的核心技术的同学，如下所示操作即可。
