11種數據分析方法，別再說你不會了

哈嘍你們好，我是可樂，上週五的精讀咱們總結了經常使用的指標，以及如何選擇指標，如何構建指標體系，若是你還沒讀，能夠再看下：精讀1：總說業務，到底業務經常使用的指標有哪些

今天咱們接着這本書日後看，第二章講了數據分析的方法，從你們耳熟能詳的5W2H出發到羣組分析等，基本上涵蓋了工做生活中可能會用到的各類方法，下面咱們一個一個來聊。

5W2H分析方法

就是用5個W和2個H開頭的英文單詞來思考問題，很好理解，適用於解決簡單的問題，而面對複雜的商業問題時就須要其餘的方法輔助了。

邏輯樹分析方法

由費米提出，主要用來將複雜的問題變成簡單的問題，像樹枝那樣逐漸展開，問題拆解，把一個複雜的問題變成一個個簡單的子問題。

面試中常見的問題：如估算深圳有多少個產品經理，芝加哥有多少鋼琴調音師等，這類估算問題咱們稱之爲費米問題，在解決費米問題時，考察點一般不是真的去算出深圳到底有多少個產品經理，重點在於你的分析方法，也就是你運用邏輯樹分析問題的能力。

行業分析方法

當須要分析行業問題、制定發展規劃時，要進行行業分析，首選PEST分析法。

多維度拆解分析方法

多維度拆解法，就是維度+拆解，從多個角度思考問題。

那麼能夠從哪些維度來拆解問題呢？

• 從指標構成拆解

• 從業務流程拆解

面試中常見的 「第二天用戶留存率降低了 5%該怎麼分析？」 這種問題，就能夠用到維度拆解的方法，具體可參考下面這篇文章：

指標又雙叒降低了，我到底該怎麼給老闆分析？

經過多維度拆解數據，咱們發現了一種考察數據總體和不一樣部分時，會獲得相反結論的現象，稱之爲辛普森悖論。

當咱們對兩個變量進行分組研究時，在分組中都佔優點的一方，在總評中反而成爲失勢的一方。

比較著名的當屬1973年加利福尼亞大學伯克利分校性別歧視的例子，男生錄取率爲44%，女生錄取率爲35%，根據這個數據有人就以爲該校有性別歧視的傾向，但若是每一個院系分開來看錄取率的話，能夠發現，A B D F四個院女生的錄取率都高於男生。這個悖論告訴咱們一個簡單的統計數字不能徹底描述其背後的複雜意義，所以只看到數據總體，而忽視數據內各個部分的差別是不對的。

對比分析

在進行對比分析時，主要考慮兩個問題，和誰比，以及如何比。

和誰比

• 和本身比：同比、環比、定比、與目標值的對比、縱比、橫比、特定時期的對比

• 和行業比：與行業平均水平比

如何比

• 數據總體的大小：平均值、中位數

• 數據總體的波動：變異係數

• 趨勢變化：折線圖、同比、環比

推薦一篇講對比分析的文章：
數據對比分析法，看這篇就夠了！

注：比較的對象規模一致纔有可比性
A/B測試就是應用了對比分析

假設檢驗分析

分析問題發生的緣由，也叫歸因分析，「爲何」的問題，指標降低的問題

相關分析

研究兩種或兩種以上數據之間關係的方法，若是一個指標和另外一個指標是一塊兒變化的，說明它們是相關的，而若是是一個指標先變化從而致使了另外一個指標的變化，說明它們是有因果性的。

關於相關性也能夠參考下面這篇文章：
再說相關性分析

須要注意的是，相關性並不是因果性，現實生活中，100%的因果關係很難找到。如何判別是相關仍是因果呢？答案就是：單變量控制法，控制其餘因素不變，只改變一個因素，而後觀察這個因素對結果的影響。

羣組分析

也叫同期羣分析，也就是對數據分組後對比。

好比按時間分析留存率，目的是找到留存率低的組，而後進一步分析這些組。

還有流失用戶分析、金融逾期分析等

RFM分析

RFM分析用來對用戶進行價值分類，從重要價值用戶到通常挽留用戶，識別有價值的用戶，進行精細化運營，不斷將用戶轉化爲重要價值用戶。

這裏的R F M分別對應：

• R-最近一次消費間隔

• F-消費頻率

• M-消費金額
  

如信用卡會員服務，就是採用RFM分析後進行運營的一個例子，不能對用戶採起一樣的運營策略，不然可能致使流失。

有關RFM分析在Excel裏怎麼實現，能夠參考這篇文章：
RFM分析-用戶價值細分的精準運營方法

注意：

• 對RFM值要根據業務的不一樣靈活運用

  
  

AARRR模型

AARRR模型用來分析用戶行爲，爲產品運營制定決策，實現用戶增加。
對應產品運營的5個重要環節：

• Acquisition-獲取用戶：用戶如何找到咱們

• Activation-激活用戶：用戶的首次體驗如何

• Retention-提升留存：用戶會回來嗎

• Revenue-增長收入：如何賺到更多的錢

• Refer-推薦：用戶會推薦給其餘人嗎

有關AARRR模型的問題還能夠參考下面這篇文章：
數據分析應關注AARRR模型的哪些指標

獲取用戶階段，咱們比較關心如下指標：

• 渠道曝光量

• 渠道轉換率

• 日新增用戶數

• 日應用下載量

• 獲客成本

激活用戶階段，須要找到「啊哈時刻」，就是讓用戶不由自主地喜歡上產品亮點、發出讚歎的時刻。

留存階段，核心目標是讓用戶養成使用習慣，重點關注留存率指標

增長收入階段，主要關注：

• 總量相關指標，如成交總額、成交數量

• 人均狀況指標，如ARPU/ARPPU、人均訪問時長

• 付費狀況指標，如付費率、復購率

推薦階段，也叫病毒營銷，或自傳播，主要關注：

• • 轉發率

• 轉化率

• K因子

  
  

漏斗分析

漏斗分析是衡量業務流程每一步的轉化率的分析方法，在各行各業都有相應的應用，如用戶轉化的分析、用戶流失分析、流量監控等。目的在於定位問題節點，找到有問題的環節在哪。

跟可樂一塊兒精讀一本書，天天進步一點點