層次區別：工具
「器」是指物品或工具，在數據分析領域指的就是數據分析的產品或工具，「工欲善其事，必先利其器」；測試
「術」是指操做技術，是技能的高低、效率的高下，如對分析工具使用的技術（好比用Excel進行數據分析的水平）；大數據
「法」是指選擇的方法，有句話說「選擇比努力重要」；優化
「道」是指方向，是指導思想，是戰略。網站
在數據分析和產品、運營優化方面，數據分析方法是其核心，屬於「法」和「術」的層次。spa
那麼如何作好數據分析呢，今天咱們來說講互聯網運營中的十大數據分析方法。設計
練就數據分析的洪荒之力並不是一朝一夕之功，而是在實踐中不斷成長和昇華。一個優秀的數據分析師應該以價值爲導向，放眼全局、立足業務、與人爲善，用數據來驅動增加。3d
01 細分分析對象
細分分析是分析的基礎，單一維度下的指標數據的信息價值很低。
細分方法能夠分爲兩類， 一類逐步分析， 好比：來北京市的訪客可分爲朝陽，海淀等區； 另外一類是維度交叉， 如：來自付費SEM的新訪客。
細分用於解決全部問題。
好比漏斗轉化，實際上就是把轉化過程按照步驟進行細分，流量渠道的分析和評估也須要大量用到細分的方法。
02 對比分析
對比分析主要是指將兩個相互聯繫的指標數據進行比較，從數量上展現和說明研究對象的規模大小，水平高低，速度快慢等相對數值， 經過相同維度下的指標對比，能夠發現，找出業務在不一樣階段的問題。
常見的對比方法包括： 時間對比，空間對比，標準對比。
時間對比有三種： 同比，環比，定基比。
例如： 本週和上週進行對比就是環比；本月第一週和上月第一週對比就是同比；全部數據同今年的第一週對比則爲定基比。經過三種方式，能夠分析業務增加水平，速度等信息。
03 漏斗分析
轉化漏斗分析是業務分析的基本模型， 最多見的是把最終的轉化設置爲某種目的的實現，最典型的就是完成交易。但也能夠是其餘任何目的的實現，好比一次使用app的時間超過10分鐘。
漏斗幫助咱們解決兩方面的問題：
在一個過程當中是否發生泄漏，若是有泄漏，咱們能在漏斗中看到，而且可以經過進一步的分析堵住這個泄漏點。
在一個過程當中是否出現了其餘不該該出現的過程，形成轉化主進程收到損害。
04 同期羣分析
同期羣（cohort）分析在數據運營領域十分重要，互聯網運營特別須要仔細洞察留存狀況。 經過對性質徹底同樣的可對比羣體的留存狀況的比較，來分析哪些因素影響用戶的留存。
同期羣分析深受歡迎的重要緣由是十分簡單，但卻十分直觀。 同期羣只用簡單的一個圖表，直接描述了用戶在一段時間週期（甚至是整個LTV）的留存或流失變化狀況。
之前留存分析只要用戶有回訪即定義爲留存，這會致使留存指標虛高。
05 聚類分析
聚類分析具備簡單，直觀的特徵， 網站分析中的聚類主要分爲：用戶，頁面或內容，來源。
用戶聚類主要體現爲用戶分羣，用戶標籤法；頁面聚類則主要是類似，相關頁面分組法；來源聚類主要包括渠道，關鍵詞等。
例如： 在頁面分析中，常常存在帶？參數的頁面。 好比： 資訊詳情頁面，商品頁面等，都屬於同一類頁面。簡單的分析容易形成跳出率，退出率等指標不許確的問題，經過聚類分析能夠獲取同類頁面的準確數據用於分析場景。
06 AB測試
增加黑客的一個主要思想之一，是不要作一個大而全的東西，而是不斷作出可以快速驗證的小而精的東西。 快速驗證，那如何驗證呢？主要方法就是AB測試。
好比： 你發現漏斗轉化中中間有漏洞，假設必定是商品價格問題致使了流失，你看到了問題-漏斗，也想出了主意-改變訂價。但主意是否正確，要看真實的用戶反應，因而採用AB測試，一部分用戶仍是看到老價格，一部分用戶看到新價格，若你的主意真的管用，新價格就應該有更好的轉化，若真如此，新價格就應該肯定下來，如此反覆優化。
07 埋點分析
只有採集了足夠的基礎數據，才能經過各類分析方法獲得須要的分析結果。
經過分析用戶行爲，並細分爲：瀏覽行爲，輕度交互，重度交互，交易行爲，對於瀏覽行爲和輕度交互行爲的點擊按鈕等事件，因其使用頻繁，數據簡單，採用無埋點技術實現自助埋點，便可以提升數據分析的實效性，須要的數據可當即提取，又大量減小技術人員的工做量，須要採集更豐富信息的行爲。
如： 重度交互（註冊，邀請好友等）和交易事件（加購物車，下訂單等）則經過SDK批量埋點的方式來實施。
08 來源分析
流量紅利消失，咱們對獲客來源的重視度極高，如何有效的標註用戶來源，相當重要。
傳統分析工具，渠道分析僅有單一維度，要深刻分析不一樣渠道不一樣階段效果，SEM付費搜索等來源渠道和用戶所在地區進行交叉分析，得出不一樣區域的獲客詳細信息，維度越細，分析結果也越有價值。
09 用戶分析
用戶分析是互聯網運營的核心， 經常使用的分析方法包括：活躍分析，留存分析，用戶分羣，用戶畫像，用戶細查等。
可將用戶活躍細分爲瀏覽活躍，互動活躍，交易活躍等，經過活躍行爲的細分，掌握關鍵行爲指標；經過用戶行爲事件序列，用戶屬性進行分羣，觀察分羣用戶的訪問，瀏覽，註冊，互動，交易等行爲，從而真正把握不一樣用戶類型的特色，提供有針對性的產品和服務。
用戶畫像基於自動標籤系統將用戶完整的畫像描繪清晰，更有力的支撐運營決策。
10 表單分析
填寫表單是每一個平臺與用戶交互的必備環節，優秀的表單設計，對轉化率的提高起到重要做用。
用戶從進入表單頁面之時起，就產生了微漏斗，從進入總人數到最終完成併成功提交表單人數，這個過程之中，有多少人開始填寫表單，填寫表單時，遇到了什麼困難致使沒法完成表單，都影響最終的轉化效果。
以上是常見的數據分析方法，更多應用方法須要根據業務場景靈活應用。