做宠物数据要注意什么，先别急着看增长。 把市场数据当成一只“数据宠物”，先摸清楚基础信息。
档案卡（体型/寿命/性格/掉毛程度/运动量/新手友好度 表格）
| 档案项 | 对应数据含义 | 容易踩的坑 | |---|---|---| | 体型 | 数据颗粒度：全国、城市、单店、单品牌 | 颗粒太粗，看不出真实差异 | | 寿命 | 数据有效期：实时、月度、季度、年度 | 拿去年数据判断今年趋势 | | 性格 | 统计口径是否稳定 | 同一指标不同来源差很多 | | 掉毛程度 | 字段缺失、异常值、空值比例 | 表格漂亮，但缺关键列 | | 运动量 | 更新频率和采集成本 | 月更数据当周更用 | | 新手友好度 | 是否附指标说明和示例 | 只有数字，没有解释 |
性格特点（3~5个，每个配场景）
- 口径爱变：同一份“宠物数量”，有的按注册，有的按购买。场景：同比突然翻倍，其实是统计范围变了。
- 更新偏慢：行业报告常按季度出。场景：门店选品还拿半年前数据，容易错过新品类。
- 样本偏科：样本集中在一二线城市。场景：全国增长看着猛，下沉市场可能没起来。
- 隐私敏感：涉及用户年龄、消费、健康。场景：把原始用户数据直接公开，风险很高。
- 容易被包装：标题写“增长”，正文藏着口径。场景：只看封面结论，容易误判赛道。
优点和缺点（双列）
| 优点 | 缺点 | |---|---| | 能帮门店看品类趋势 | 口径不一致，容易比错 | | 能帮品牌判断渠道 | 样本偏科，不代表全国 | | 能帮投资人看赛道 | 数据滞后，热点可能已过去 | | 能帮研究者做对比 | 字段缺失，清洗成本高 | | 能帮新手入门 | 指标太多，容易只看大数 |
饲养要点（饮食/运动/护理）
- 饮食：优先选有明确口径、更新时间、样本来源的数据源。
- 运动：把月度、季度、年度数据分开看，别混用。
- 护理：先查空值、异常值、重复值，再做同比环比。
- 体检：至少找两个来源交叉验证，尤其是关键结论。
- 疫苗：涉及用户隐私和合规，先确认使用边界。
常见健康问题
- 口径漂移：指标定义变了，趋势看起来失真。
- 样本偏差：城市、渠道、年龄结构不均。
- 数据过期：拿旧数据做当下决策。
- 指标误读：把“搜索量”直接当成“购买量”。
- 合规风险：用户画像、健康信息使用不当。
适合谁养
- 宠物店：看本地热销品类、复购和客单价。
- 品牌方：看渠道结构、新品接受度。
- 投资人：看赛道增速和头部集中度。
- 研究者：看长期趋势和区域差异。
- 新手：先看公开指标说明，再下结论。