掌握這5個常用資料分析方法,做分析不再沒思路

想必做過資料分析的同學一定接觸過很多分析方法,比如漏斗法,同期群,A/B測試等等。並且由於不同版本的演繹,造成了分析方法種類繁多,令人眼花繚亂,甚至高深莫測。其實真不用把分析方法看的太高大上了,所有的分析方法總結起來就兩種:分類和對比,分類和對比,分類和對比,重要的事情說三遍,並且大部分的分析方法都是這兩者的結合

為什麼說資料分析就是分類和對比呢?

拿我孩子來舉例子,小傢伙3歲多了,他現在就會用分類和對比來做資料分析了。一天媽媽給他拿了一塊奶糖和一塊巧克力,問他選哪個,小傢伙猶豫了1分鐘,最後選了德芙巧克力;第二天媽媽給他拿了兩塊奶糖和一塊巧克力,問他選哪個,小傢伙又猶豫了1分鐘,但這次他選擇了兩塊大白兔奶糖。

其實這兩次選擇的過程,小傢伙都做了分類和對比。他首先把奶糖和巧克力分成了兩類,並沒有混為一談,否則就不會猶豫那麼長時間了。然後再去做對比,第一次對比的結果是,一塊奶糖不如一塊巧克力好,所以選擇了一塊巧克力;第二次對比的結果是,兩塊奶糖是要比一塊巧克力好的,所以選擇了兩塊奶糖。大家看看,一個3歲的小孩都是會做資料分析的。當然,實際業務中的分析方法確實更加複雜,但歸納起來,也是這兩個方法的演繹。我們先來看看最基礎的對比分析和分類分析是如何應用的:

對比分析

對比分析顧名思義就是將兩個或兩個以上的資料進行比較,分析它們之間的差異,從而發現資料的變化情況和規律。對比分析法分為靜態比較和動態比較兩類,用來判斷某個資料是好還是壞,以及某幾個資料之間的差異性。通過可視化的對比能讓結果更加清晰。

對比分析怎麼比呢?一般在資料分析中我們可以從這樣幾個角度進行對比

  • 時間對比:同比、環比、變化趨勢
  • 空間對比:不同城市、不同產品對比
  • 目標對比:年度目標、月度目標、活動目標
  • 使用者對比:新使用者vs老使用者、註冊使用者vs未註冊使用者等
  • 競品對比:管道、功能、體驗和流程、推廣和收入

分類分析

分類分析就是把分析物件總體中具有不同性質的物件區分開,把性質相同的物件合併在一起,保持各組內物件屬性的一致性、組與組之間屬性的差異性,以便進一步運用各種資料分析方法來揭示內在的數量關係,最終目的是為了方便對比,所以經常和對比分析法一起用

分類分析一般有以下幾種分類方法:

  • 不同時間分組:日、周、月、年等
  • 不同產品類型分組:產品屬性;產品區域
  • 不同使用者類型分組:人口屬性(性別、年齡);客戶價值;消費頻次
  • 不同渠道分組:線上渠道、線下渠道;付費渠道、免費渠道

案例 :在分析某App的留存率的時候發現有下降趨勢,為了更好的定位問題所在,對不同渠道的留存率進行了分組分析,通過分析發現留存率降幅明顯的是IOS渠道和應用市場渠道,且因為這兩個渠道的使用者量佔比最大,應該對於整體留存率的影響最大;再通過對這兩個渠道的訂單完成情況分析,發現接單情況對留存的影響最大,對於完成訂單接單時間越長留存越差,對於釋出訂單未接單率越高留存越差。所以,目前應該提高接單率以及提升完成訂單的時效性。

瞭解了最基礎的分類和對比分析法,下面我就從分類對比的角度去幫助大家理解資料分析常用的5個方法:轉化漏斗分析、同期群分析、AB測試、使用者來源分析、矩陣分析

轉化漏斗分析

轉化漏斗分析是最常用的一種模型,也是增長黑客理論的基礎。特別適合有交易型的業務

最典型的例子就是電商行業。獲得了多少新使用者(瀏覽),多少使用者被啟用(註冊),多少使用者還來光顧網站(留存),多少使用者購買了產品(收入),多少使用者幫助推廣(傳播)。漏斗主要幫助我們解決在哪個環節使用者的流失最多

轉化漏斗也是一個分類對比的過程。分類是把使用者的行為過程分成了5個步驟,對比是看使用者在哪個步驟中流失嚴重。比如使用者在註冊的階段流失嚴重,推測是不是註冊過程太繁瑣,體驗太差導致的,我們就可以對症下藥。

同期群分析

同期群(cohort)分析在資料營運領域十分重要,特別是看產品改版後使用者整體的留存情況。防止在一個時間點改版後,使用者留存率大幅下降卻沒有察覺。

所謂同期群分析方法,也就是將使用者按初始行為的發生時間進行劃分為群組(即同期群)。然後對處於相同生命週期階段的使用者進行垂直分析,從而比較得出相似群體隨時間的變化的差異。通過比較不同的同期群,可以從總體上看到,使用者表現是越來越好,還是越來越差。從而驗證產品改進是否取得了效果

這個模型的分類是按照時間視窗來分,對處於相同生命週期階段的使用者進行分類;對比就是比較不同群的使用者,在相同生命週期階段,表現有何差異。橫向分類,縱向對比

案例:9月份新增使用者10萬人,10月份新增使用者15萬人,但9月份新增使用者的30日留存使用者為1萬人,10月份新增使用者的30日留存使用者也為1萬人,哪個月的營運業績更好呢?

通過同期群分析,我們可以發現9月份和10月份新增使用者的留存使用者是相同的,那麼9月份的留存率更高,從使用者質量角度考慮,9月份的營運成果更好,從有效使用者角度考慮,2個月的營運成果相同,從新增使用者角度考慮,10月份的營運成果更好。

同期群分析的目的在於透過現象找到結果,以時間維度建立同期群,除按時間維度考慮,也可以對來源渠道等維度建立同期群。

AB測試方法

精益資料分析的主要思想之一,是不要一開始就做一個大而全的產品,而是要不斷做出能小而精的功能或者策略,並進行快速的驗證。那如何快速驗證呢?主要方法就是AB測試

比如:你發現漏斗轉化中有環節使用者流失嚴重。假設是商品價格的問題,那麼策略就是改變定價。但策略是否正確,要看真實的使用者反應,於是採用AB測試。一部分使用者看到的是老價格,一部分使用者看到新價格,若策略管用,看到新價格的使用者應該有更好的轉化。那麼就可以根據結果來確定是否採用新的價格。

這裡的分類就是把使用者分成實驗組和對照組,對比是什麼呢?就是這兩組使用者後期的表現。通過對比兩組使用者的表現來判斷產品功能或者營銷策略是否有效

使用者來源分析

隨著流量紅利的消失,我們對獲客來源的重視度變高。如何有效的標註使用者來源,至關重要。傳統分析工具,渠道分析僅有單一維度,要深入分析不同渠道不同階段效果,SEM付費搜尋等來源渠道和使用者所在地區進行交叉分析,得出不同區域的獲客詳細資訊,維度越細,分析結果也越有價值

這裡的分類就是就是不同的使用者來源渠道,對比是各個渠道的投入產出比,進而決定在哪個渠道加大投入,在哪個渠道縮減開支

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)作為分析的依據,進行分類關聯分析,找出解決問題的一種分析方法,也稱為矩陣關聯分析法,簡稱矩陣分析法。在做資源分配的時候非常有用

矩陣分析法在解決問題和資源分配時,可以為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,這樣有利於提高工作效率,並將資源分配到最能產生績效的部門、工作中

常見的矩陣分析法有波士頓矩陣,SWOT矩陣等,這裡就簡單說一下波士頓矩陣模型,它主要思想就是在一個企業內,通過研究產品的市場佔有率和產品市場增長率,把企業現有產品劃分為不同的四種類型(明星,金牛,問題,瘦狗),其實它也應用來組合分類的思想,比如上面這張圖就是根據兩個維度“需求增長率”和“市場佔有率”的組合把使用者分成了4類,這樣能夠一目瞭然的確定主次矛盾,進而進行資源優化。

回顧十週入門數據分析系列文:

關注數據君的臉書:

我是「數據分析那些事」。常年分享數據分析乾貨,不定期分享好用的職場技能工具。按贊我的臉書,會有豐富資料包贈送唷!

這是一個專注於數據分析職場的內容部落格,聚焦一批數據分析愛好者,在這裡,我會分享數據分析相關知識點推送、(工具/書籍)等推薦、職場心得、熱點資訊剖析以及資源大盤點,希望同樣熱愛數據的我們一同進步! 臉書會有更多互動喔:https://www.facebook.com/shujvfenxi/

這是一個專注於數據分析職場的內容部落格,聚焦一批數據分析愛好者,在這裡,我會分享數據分析相關知識點推送、(工具/書籍)等推薦、職場心得、熱點資訊剖析以及資源大盤點,希望同樣熱愛數據的我們一同進步! 臉書會有更多互動喔:https://www.facebook.com/shujvfenxi/