比赛较多时，逐场打开数据不仅耗时，还容易看到后面忘记前面。
鸟叫足球网的数据筛选，可以根据球队统计、近期变化、比赛概率和指数范围，自动隐藏不符合条件的比赛，只保留需要进一步研究的部分。
但要先明确：
数据筛选负责找出“符合条件的比赛”，不负责判断这些比赛一定会出现什么结果。
筛出来的比赛更少，不代表质量一定更高。筛选条件是否合理，仍然需要用户自己检查。
数据设置和数据筛选有什么区别
这两个功能名称相近，但作用完全不同。
| 功能 | 作用 |
|---|
| 数据设置 | 决定热门赛程中显示哪些数据，以及数据排列顺序 |
| 数据筛选 | 根据设定条件，隐藏不符合要求的比赛 |
例如：
- 在数据设置中打开“预期进球”，只是让页面显示这项数据
- 在数据筛选中设置“预期进球1.50至6.00”，页面只保留落入该范围的比赛
数据设置解决“我想看什么”，数据筛选解决“我想先看哪些比赛”。
数据筛选入口在哪里
进入热门赛程，在页面上方找到“数据筛选”按钮。
打开后可以看到四个标签：
不同标签设置的条件可以同时生效。也就是说，既可以要求主队满足某项统计，也可以同时要求客队、概率和指数落入指定范围。
主队筛选怎么用
主队标签提供两种统计范围：
- 总体：主队当前赛季的全部比赛
- 主场：主队当前赛季的主场比赛
可筛选的数据包括：
- 比赛场数
- 场均积分
- 预期进球、预期丢球
- 近8预期进球、近8预期丢球
- 近8数据相对赛季总体的差异
- 场均进球、场均丢球
- 射门、射正、射门转换率
- 先进球、零封、控球率
- 上半场与下半场数据
- 获得角球和送出角球等
新用户不需要把这些条件全部设置一遍。
第一次使用时，建议先关注：
- 比赛场数
- 预期进球
- 预期丢球
- 近8预期进球差异
- 近8预期丢球差异
其中，“近8差异%”表示最近8场相对赛季总体的变化幅度。正数只表示数值上涨，不代表一定变好。
例如，近8预期丢球差异为正，通常意味着近期让对手获得的机会质量增加。
客队筛选怎么用
客队标签同样提供两个范围：
- 总体：客队当前赛季的全部比赛
- 客场：客队当前赛季的客场比赛
主队和客队的数据项目基本一致，但统计对象不同。
例如，研究主队进攻和客队防守的组合，可以分别设置：
不过不要一开始就设定过窄的范围。先筛出一个相对宽松的比赛集合，再逐场检查其他数据，通常比堆叠十几个条件更合理。
总体和主客场应该选哪个
选择方式与统计模式一致：
总体看球队底盘，主客场看本场环境。
如果主客场样本较少，建议先用总体数据。随着主队主场和客队客场的比赛数量增加，再提高主客场条件的参考程度。
可以先在主队和客队的“总体”中设置比赛场数下限，再决定是否增加主场、客场条件。
样本越小，数据通常越容易波动。
概率筛选怎么用
概率标签筛选的是整场比赛特征，不再分别属于主队或客队。
它包含：
- 预期总进球
- 场均总进球
- 大0.5、大1.5、大2.5、大3.5概率
- 双方进球概率
- 场均总角球
- 不同角球区间概率
- 上半场和下半场进球概率
概率页同样可以切换：
“总体”使用双方总体数据组合；“主客场”更侧重主队主场和客队客场环境。
例如，设置“大2.5%”的最小值后，系统会保留该项数值达到要求的比赛。
但这只说明比赛符合设定的概率范围，不代表该特征一定发生。筛选完成后，仍应返回统计模式检查概率来自哪里。
指数筛选怎么用
进入指数标签后，首先需要选择公司。
目前可以在已经接入的多家公司之间切换。不同公司数据不能混在一个条件中理解，因此建议固定选择自己长期观察的公司。
指数筛选包括：
- 初始主胜、平局、客胜
- 即时主胜、平局、客胜
- 初盘和即盘两侧水位
- 初盘和即盘档位
- 初始与即时进球数指数
- 大球、小球水位
- 初始与即时风控系数
- 主胜、平局、客胜的数值下降幅度
设置让球或进球数条件时，不能只筛两侧水位，还要注意中间档位。
例如，“即盘档位”和“即盘主胜水位”是两个不同条件。只设置水位范围，不能代替对档位的判断。
数值范围怎么设置
点击任意一项数据后，会展开：
例如，“比赛场数”默认范围为1至60。如果把最小值改成10，系统会排除当前赛季比赛场数少于10场的球队。
百分比类指标可能包含负数。
例如：
近8预期进球差异：10%至100%
表示只保留近期预期进球比赛季总体至少上涨10%的球队。
这里的10%只是操作示例，不是通用标准。不同指标的正常波动范围不同，不应该为了得到某类结果，随意调整到一个看起来合适的数字。
多个条件是怎样组合的
同时设置多个条件后，页面会保留同时满足这些范围的比赛。
例如：
主队总体比赛场数：10至60
客队总体比赛场数：10至60
主队近8预期进球差异：10%至100%
双方进球概率：60%至100%
返回的比赛需要同时满足以上条件。
因此，每增加一个条件，筛选结果通常都会减少。
这里有一个很重要的误区：
条件越多，不代表筛选越准确。
如果不断增加条件，直到只剩几场符合自己预期的比赛，很可能是在数据中寻找想要的答案，而不是验证一个稳定的方法。
新手第一次可以这样设置
第一次使用时，不建议从指数或十几项统计开始。
可以先建立一个“样本观察”方案：
主队总体比赛场数：10至60
客队总体比赛场数：10至60
确认筛选正常后，再根据研究目的增加一项条件，例如：
- 观察近期进攻变化：增加近8预期进球差异
- 观察防守变化：增加近8预期丢球差异
- 观察比赛进球特征：增加一项概率条件
- 研究指数变化：最后再增加公司和指数范围
第一版尽量控制在三至四个核心条件。筛选只是缩小范围，后续仍需打开统计、近8变化、概率和指数模式进行检查。
筛选方案怎么保存
面板底部提供方案入口，可以：
- 调用已经保存的方案
- 保存当前方案
- 将当前条件另存为新方案
重复使用同一套条件时，不需要每次重新填写。
方案名称最好写清楚统计范围和核心条件，例如：
总体样本10场以上
主队近期进攻观察
主客场上半场概率
固定公司指数变化
不建议使用“必出”“稳赢”一类名称。方案名称会影响使用者的预期，也容易让后续复盘失去客观性。
修改方案时不要直接覆盖
如果只是想临时测试一个新条件，优先使用“另存为”。
直接覆盖原方案，容易导致一个方案在不同时间使用了不同条件，后续无法判断结果差异究竟来自比赛，还是来自方案本身发生了变化。
建议每次重要修改都记录：
这也是后续复盘筛选效果的基础。
没有筛选结果怎么办
筛选后没有比赛，不一定是系统错误，通常是条件过多或范围过窄。
不要同时随意放宽所有条件。可以逐项检查：
- 主队和客队样本是否限制过高
- 总体和主客场口径是否混用
- 哪一项条件排除的比赛最多
- 百分比最小值是否设置过高
- 指数公司是否覆盖当前比赛
每次只放宽一个条件，重新查看结果。这样才能知道是哪项条件造成了变化。
使用筛选最容易犯的错误
一开始设置太多条件
条件越多，越难判断最终是哪个指标产生作用。先从样本加一项核心条件开始。
看到结果后反复修改范围
先看到某些比赛，再调整条件把它们筛出来，不是在验证方案，而是在倒推答案。
忽略总体和主客场样本
主场、客场数据可能只有几场。范围看起来很漂亮，实际稳定性可能很低。
把筛选结果当成最终结论
筛选只说明比赛满足条件。阵容、对手、近期变化和数据冲突仍需逐场检查。
忘记清除上一次条件
切换研究方向前，建议先点击“重置”。否则旧条件继续生效，用户可能误以为当天只有少量比赛。
常见问题
一次设置多少个条件比较合适？
没有统一数量。新用户建议先使用样本条件加一至两项核心条件，确认逻辑后再增加。
为什么筛选结果很少？
可能是范围过窄，也可能是多个条件同时生效。逐项放宽条件，检查是哪一项排除了大部分比赛。
方案应该多久修改一次？
不要根据一两场结果立即修改。先积累一段新的前向记录，再判断问题来自条件本身还是正常波动。
筛选结果越少，是不是越值得研究？
不一定。数量少只能说明条件严格，不能证明这些条件具有更高价值。
最后记住
数据设置决定页面展示什么。
数据筛选决定页面保留什么。
条件越多，不代表方法越准确。
筛选负责缩小范围，判断仍需逐场完成。