文章轉載自DataHunter
html
作數據分析時，拿着手裏的數據不知道怎麼分析、從什麼維度分析數據庫
下面來給你們分享7種最經常使用的數據分析方法，讓你輕鬆運用數據分析解決實際工做問題，提高核心競爭力微信
1、漏斗分析法框架
漏斗分析法可以科學反映用戶行爲狀態，以及從起點到終點各階段用戶轉化率狀況，是一種重要的分析模型。漏斗分析模型已經普遍應用於網站和APP的用戶行爲分析中，例如流量監控、CRM系統、SEO優化、產品營銷和銷售等平常數據運營與數據分析工做中。佈局
爲網站製做的「促銷活動分析」學習
好比，對一些電商產品來講，最終目的是讓用戶下單並支付，但轉化率取決於整個流程。這時，咱們就能夠經過漏斗模型一步一步地進行監測。以下圖所示，咱們能夠監控用戶在流程中各個層級上的行爲路徑，尋找每一個層級的可優化點。對沒有按照流程操做的用戶繪製他們的轉化路徑，找到可提高用戶體驗，縮短路徑的空間，最終提高總體轉化率。大數據
漏斗模型除了在電商中應用的比較多之外，在落地頁、H5等也應用的比較多。咱們能夠反覆優化落地頁當中的圖片、文案、佈局，進一步的提升總體轉化率。優化
2、留存分析法網站
留存分析法是一種用來分析用戶參與狀況和活躍程度的分析模型，考察進行初始行爲的用戶中，有多少人會進行後續行爲。從用戶的角度來講，留存率越高就說明這個產品對用戶的核心需求也把握的越好，轉化成產品的活躍用戶也會更多，最終能幫助公司更好的盈利。雲計算
這裏須要注意的是，在作留存分析以前，咱們首先須要瞭解用戶留存的特色：
好比，咱們能夠經過觀察不一樣時間段用戶留存的狀況，經過對比各個渠道、活動、關鍵行爲的用戶後續留存變化，發現提高用戶留存率的影響因素，例如觀察領取過優惠券的用戶留存率是否比沒有領取優惠券的用戶留存率更高。
除此之外，還能夠針對流失高/留存高的用戶羣組進行一對一的用戶行爲分析，統計留存/流失用戶的行爲特徵，特別是針對流失用戶，經過流失用戶的行爲分析總結流失緣由，從而提高留存率。具體步驟以下圖所示：
3、分組分析法
分組分析法是根據數據分析對象的特徵，按照必定的標誌（指標），把數據分析對象劃分爲不一樣的部分和類型來進行研究，以揭示其內在的聯繫和規律性。
分組的目的就是爲了便於對比，把整體中具備不一樣性質的對象區分開，把性質相同的對象合併在一塊兒，保持各組內對象屬性的一致性、組與組之間屬性的差別性，以便進一步運用各類數據分析方法來揭示內在的數量關係，所以分組法必須與對比法結合運用。
如圖所示，分組分析在平常工做中應用的比較多的是用戶分層與分羣，好比在發優惠券的時候，能夠經過紅包，滿減，限時券還有積分券等方式。咱們能夠針對不一樣的用戶發送不一樣的優惠券以達到精細化運營的效果。那麼當咱們在作數據分析時，也能夠從結果將用戶進行分層來進行判斷，這時一樣也能夠獲得優化和改進業務的建議。
說了完用戶分層，接下來咱們說說用戶分羣。用戶分羣和用戶分層實際上是相關聯的，用戶分羣是對用戶分層的補充，當用戶差別性較大，層級上不能再作用戶細分時，能夠考慮將同一個分層內的羣體繼續切分，知足更高的精細化運營須要。
製做的「客戶RFM羣體分析」
RFM模型是客戶管理中的一個經典方法，它用以衡量消費用戶的價值和創利能力，是一個典型的用戶分羣。它依託收費的三個核心指標：最近一次消費時間（Recency）、消費頻率（Frequency）和消費金額（Monetary）。
消費金額Monetary：衡量用戶對企業利潤的貢獻，消費金額越高的用戶，價值也就越高。
消費頻率Frequency：衡量用戶的忠誠度，是用戶在限定的期間內購買的次數，最常購買的用戶，忠誠度也越高。
最近一次消費時間Recency：衡量用戶的流失，消費時間越接近當前的用戶，越容易維繫與其的關係。1年前消費的用戶價值確定不如一個月才消費的用戶。
4、矩陣分析法
矩陣分析法是指根據事物（如產品、服務等）的兩個重要屬性（指標）做爲分析的依據，進行分類關聯分析，找出解決問題的一種分析方法，也稱爲矩陣關聯分析法，簡稱矩陣分析法。
矩陣關聯分析法在解決問題和資源分配時，能夠爲決策者提供重要參考依據——先解決主要矛盾，再解決次要矛盾，這樣有利於提升工做效率，並將資源分配到最能產生績效的部門、工做中，最終有利於決策者進行資源優化配置。
好比在電商行業，咱們可使用瀏覽量和加購數這兩個維度來進行矩陣分析，如圖所示，左上角的是瀏覽量低的，而後加購次數多的，這說明產品實際上是有很大潛力的，這時須要將這部分產品放在更好的位置讓給用戶進行瀏覽；右下角的瀏覽量高，但加購數低的，說明這個時候他的資源位置是好的，可是用戶對這部分的產品並不感興趣的，咱們就須要對其進行相應的位置調整。
5、關聯分析法
關聯分析法是一種簡單、實用的分析技術，是指從大量數據集中發現項集之間的關聯性或相關性。若兩個或多個變量的取值之間存在某種規律性，就稱爲關聯。關聯可分爲簡單關聯、時序關聯、因果關聯等。
關聯分析的一個典型例子是購物籃分析。該過程經過發現顧客放入其購物籃中的不一樣商品之間的聯繫，分析顧客的購買習慣。經過了解哪些商品頻繁地被顧客同時購買，幫助零售商制定營銷策略。其餘的應用還包括價目表設計、商品促銷、商品的排放和基於購買模式的顧客劃分。
可從數據庫中關聯分析出形如"因爲某些事件的發生而引發另一些事件的發生"之類的規則。如「67%的顧客在購買啤酒的同時也會購買尿布」，所以經過合理的「啤酒和尿布」的貨架擺放或捆綁銷售可提升超市的服務質量和效益。
6、指標分析法
在實際工做中，當拿到一些可視化數據圖表或者是Excel表格時，咱們能夠直接運用統計學中的一些基礎指標來作數據分析，好比平均數、衆數、中位數、最大值、最小值等，下面咱們分別來介紹：
1.平均數
平均數、也叫平均分析法，是指運用計算平均數的方法來反映整體在必定時間、地點條件下某一數量特徵的通常水平的分析方法。平均分析法經常使用指標有算術平均數、調和平均數、幾何平均數、衆數和中位數等，其中最爲常見的是算術平均數，也就是平常所說的平均數或平均值。
平均數指標可用於對比同類現象在不一樣地區、不一樣行業、不一樣單位等之間的差別程度，比用總量指標對比更具說服力。除此之外，利用平均指標對比某些現象在不一樣歷史時期的變化，也更能說明其發現趨勢和規律。
好比，汽車行業的自媒體若是想要分析數據，可從兩個方面來分析：①外部：行業內總體公衆號的平均打開率是多少，咱們距離行業平均水平相差多少，該如何去作一些優化；②內部：針對每月都在嘗試的各類選題和內容運營策略，能夠分析本月比上月平均打開率又增長了多少，這個月的選題是否有一些爆款，爆款文章平均打開率是多少，標題有什麼特色等等。
2.衆數、中位數
衆數也就是數據中的一種表明數，它反應的是數據的一種集中程度。好比說最佳，最受歡迎，最滿意都與衆數有關。衆數本質上來講，反映的是數據中發生頻率最高的一些數據指標，在作數據分析時，咱們能夠對這些數據指標提取一些共性的特色，而後進行提煉和總結，而後得出一些改進的意見。
中位數主要是反映的是一組數據的集中趨勢，像咱們比較常見的正態分佈，好比說咱們想去統計某市的人均收入，其實，大部分的人均收入都是在必定範圍以內的，只有少部分是處於最低的和最高的，其實這是中位數帶來的意義。
在作數據分析時，若是各個數據之間的差別程度較小，用平均值就有較好的表明性；而若是數據之間的差別程度較大，特別是有個別的極端值的狀況，用中位數或衆數有較好的表明性。
3.最大（小）值
最大（小）值在平時作數據分析工做時比較常見，只是咱們沒有特別去注意。最值是做爲典型表明和異常值進行分析的，好比說銷售團隊裏的銷售冠軍，電商爆款商品等，如圖所示，咱們能夠將銷售額最大的幾款商品提出來，而後咱們去總結共性，找到緣由，而後複製到其餘的商品，最終提升平均轉化率。
7、對比分析法
對比分析法是指將兩個或兩個以上的數據進行比較，分析它們的差別，從而揭示這些數據所表明的事物發展變化狀況和規律性。它能夠很是直觀地看出事物某方面的變化或差距，而且能夠準確、量化地表示出這種變化或差距是多少？對比分析法可分爲靜態比較和動態比較兩類。
靜態比較：在同一時間條件下對不一樣整體指標的比較，如不一樣部門、不一樣地區、不一樣國家的比較、也叫橫向比較，簡稱橫比；
動態比較：在同一整體條件下對不一樣時期指標數值的比較，也叫縱向比較，簡稱縱比。
這兩種方法既可單獨使用，也可結合使用。
進行對比分析時，能夠單獨使用總量指標、相對指標或平均指標，也可將它們結合起來進行對比。比較的結果可用相對數表示，如百分數、倍數等指標。
在使用對比分析法時，須要先注意如下幾個方面：①指標的口徑範圍、計算方法、計量單位必須一致，即要用同一種單位或標準去衡量；②對比的對象要有可比性；③對比的指標類型必須一致。不管絕對數指標、相對數指標、平均數指標，仍是其餘不一樣類型的指標，在進行對比時，雙方必須統一。
1.時間維度對比
同一指標在不一樣時間維度下的對比，如同比、環比、定基比等。同比就是與去年的同一個時間段進行對比分析，能夠是季、月、周、天；環比就是和上一個時間段來對比（也有和下一個時間段對比的，也叫後比），例如本月和上月，本週和上週對比；定基比是和某個指定的時期進行對比分析，好比2013年每月都和2013年1月的銷售額進行對比取值。
如圖爲各月銷售額對比，時間範圍一致（均爲月彙總）、指標一致、指標含義一致、其表現的爲整個企業信息，整體性質可比。
2.空間對比
就是不一樣空間數據的對比，好比華北區和華南區對比，北京和上海，上海古北店和成都春熙路店進行對比。類似空間的對比對象必須是形態上比較接近，先進空間則是和同一種形態中的優秀空間進行對比，與擴大空間的對比，好比北京和全國的數據對比，北京王府井店和全北京的數據對比，和競爭對手的對比也在此列。
如圖爲2018年整年各銷售小組銷售額對比，其對比的時間範圍一致、指標一致、指標含義一致、維度爲各個銷售小組，具備相同性質。
3.計劃對比
和計劃標準的對比是銷售追蹤中很是重要的一環，全部的績效考覈都是計劃標準，例如銷售實際達成金額與銷售計劃達成金額對比，看銷售是否完成當初指定的計劃，若是沒有完成，緣由在哪裏。
4.與經驗值或理論值對比
其中的經驗標準是在大量的實踐過程當中總結出來的值，而理論標準則是根據理論推斷出來的值，平均值則是某一空間或時間的平均值。如，一單一品率：全部銷售小票中只有一個商品的小票數量佔比。參考值爲小於40%，若是數據超過了40%，則須要考慮如何調整策略，幫助客戶作關聯購買。而參考值小於40%，就是一個理論值。
以上就是7種常見的數據分析方法，在不一樣領域的工做中，它們一般都是以不一樣的形式展示出來的，咱們須要在擁有數據面前，清晰知道應用哪個或幾個方法來分析實際問題最爲有效，結合場景靈活運用，沒有最好的分析方法只有最適合的。
原文連接:http://www.chinacpda.com/jishu/20846.html
你點的每一個在看 我都認真當成了喜歡
本文分享自微信公衆號 - 數據指南（BigDataDT）。
若有侵權，請聯繫 support@oschina.cn 刪除。
本文參與「OSC源創計劃」，歡迎正在閱讀的你也加入，一塊兒分享。