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！
