交互与用户体验 / 系统课时
判断双坐标轴是否造成错误关联
判断双坐标轴是否造成错误关联
当订单量和客诉工单量画在同一张双轴折线图上,两条线可能完全重合,让读者误以为投诉风险正在随业务量恶化。本篇用四个月的样例数据,演示仅调整右侧纵轴范围如何改变视觉印象,并判断何时应改用独立图表、小多图或标准化数值。
学习目标
- 识别双坐标轴通过尺度和位置制造视觉重合的风险。
- 使用原始数据与分母指标,区分同步变化、业务关联和因果关系。
- 根据分析任务选择独立图表、小多图或标准化指数,并检查表达是否准确。
从同一组数据识别关联陷阱
假设某电商平台记录了2026年1月至4月的已支付订单数与客诉工单数,准备向运营团队展示业务变化。
| 月份 | 已支付订单数(单) | 客诉工单数(件) |
|---|---|---|
| 1月 | 1000 | 20 |
| 2月 | 1200 | 24 |
| 3月 | 1100 | 22 |
| 4月 | 1300 | 26 |
两组数据具有完全相同的相对变化:2月都比1月增加20%,3月回落,4月再次上升。如果将它们叠加在双轴折线图中,读者很容易将相似形状理解为两者存在某种直接作用关系。
但至少要区分三个问题:
- 是否同步变化:两组数值的增减方向一致,可以直接从数据确认。
- 是否存在业务关联:订单越多,处理的客诉工单也可能越多,因为业务规模提供了共同的数量基础。
- 是否存在因果关系:不能仅凭两条折线重合,就断言订单增长导致服务质量下降。
本例中工单按件计数,同一订单可能产生多件工单。因此衡量相对客诉水平时,应计算每百单工单数,而不是直接把工单件数称为投诉订单率。
改变右轴范围会发生什么
双坐标轴允许两组不同量纲的数据分别映射到左右纵轴。同一个数值在图中的高度,取决于它所属坐标轴的上下限,而不只取决于数值本身。
保持四个月的原始数据不变,制作下面两张图:
| 设置 | 左轴:订单数 | 右轴:工单数 | 视觉结果 |
|---|---|---|---|
| 图A | 0~1400单 | 0~28件 | 两条折线完全重合 |
| 图B | 0~1400单 | 0~40件 | 工单折线整体位于订单折线下方 |
图A之所以能够完全重合,是因为每个月的工单数恰好都是订单数的1/50,且左右两轴的上限也保持了相同的比例。图B仅提高了右轴上限,工单折线就被压缩到更低的位置。

这两张图说明,屏幕上的线条距离、重合程度和视觉斜率,不是可以跨越不同纵轴直接比较的统计量。调整轴范围不会改变各序列的增减顺序,也不会改变由原始数值计算得到的相关系数,却会影响读者对两者关系强弱的直觉判断。
尤其要警惕没有清楚标注右轴单位、故意让两条线在关键日期交叉,或者通过截断纵轴夸大局部波动的画法。
用分母指标检验真正的业务问题
如果运营人员想知道的是售后质量是否恶化,仅比较客诉工单的绝对数量还不够,因为订单规模本身发生了变化。
采用每百单工单数作为指标:
每百单工单数 = 客诉工单数 ÷ 已支付订单数 × 100
计算结果为:
| 月份 | 计算过程 | 每百单工单数 |
|---|---|---|
| 1月 | 20 ÷ 1000 × 100 | 2.0件 |
| 2月 | 24 ÷ 1200 × 100 | 2.0件 |
| 3月 | 22 ÷ 1100 × 100 | 2.0件 |
| 4月 | 26 ÷ 1300 × 100 | 2.0件 |
四个月的每百单工单数始终是2.0件。绝对工单量从20件增加到26件,但按这个口径衡量的相对客诉水平没有上升。
因此,同一组数据可以支持两个不同结论:
- 售后工作负荷增加:4月需要处理26件工单,比1月增加30%,适合用于排班与人力容量规划。
- 单位订单的客诉水平保持不变:每百单工单数没有增加,不能据此声称服务质量正在恶化。
根据分析任务替换双轴图
双轴图并非一律禁止,但当读者需要依靠两条线的距离、交点或视觉斜率来判断关系时,应优先考虑更容易核验的表达。
| 要回答的问题 | 推荐图表 | 具体设置 |
|---|---|---|
| 订单和工单各自怎样变化 | 上下排列的小多图 | 共用1~4月横轴,分别标注单和件,各自使用清晰纵轴 |
| 客诉水平是否恶化 | 单轴折线图 | 绘制每百单工单数,四个月均为2.0件 |
| 两项指标的相对增幅是否一致 | 基期指数折线图 | 两组数值统一换算为1月=100,共用一根纵轴 |
| 需要同时查看两个绝对规模 | 两张独立图表 | 订单纵轴可设0~1400单,工单纵轴可设0~30件 |
小多图通常比双轴叠线更安全,因为读者可以对照同一时间点的变化,却不会误将不同单位的数据高度当作可直接比较的数量。
如果重点是比较相对变化,可以把每组数据分别标准化为基期指数:
当月指数 = 当月数值 ÷ 1月数值 × 100
本例订单数和工单数换算后的指数序列都是100、120、110、130。它们在共同纵轴上重合,准确表达了相同的相对变化幅度,但仍不构成因果关系证据。基期值为0时不能使用这种除法,需要更换比较方法。
标准化后的图表必须将纵轴标注为指数(1月=100),不能继续写成订单数或工单数,以免读者把指数130误解成130单或130件。
发布双轴图前进行四项检查
在设计评审时,可以直接对最终图表执行以下检查:
- 检查单位与轴归属:左右纵轴分别标注订单数(单)和客诉工单数(件),线条颜色与所属纵轴一一对应,不能只依赖图例区分。
- 检查尺度敏感性:将本例右轴上限从28件改为40件。如果主要结论从两条线高度相关变成几乎没有关系,说明该结论依赖视觉尺度,不应直接发布。
- 检查业务分母:当分析目标是售后质量时,必须同时核验每百单工单数。若只展示绝对工单量,应明确标题表达的是工作负荷。
- 检查文字结论:将订单增加导致投诉恶化改为订单数与工单数同期增长,每百单工单数保持2.0件。除非另有实验或可靠的因果识别证据,否则不用导致、驱动或证明等因果措辞。
可以用一个简单的验收方法检查设计是否合格:遮住图表的左右刻度,只看两条线,然后询问读者能否判断它们的数值关系。如果读者只能根据重合程度推断关系,而无法说出各自的单位、变化幅度与业务分母,就说明双轴叠加仍有误读风险。
对于这组订单和工单数据,如果目的是判断售后质量,最终应交付每百单工单数的单轴折线图;如果目的是安排客服人力,则应展示工单绝对量及订单规模的小多图。这样图表直接对应决策问题,也不会让坐标尺度替代数据证据。