在開展一個數據分析工作之前，首先要做的不是一頭扎進去獲取一堆資料、堆積一堆資料，而是先想清楚整體的分析框架是什麼、採用什麼資料分析方法。
資料分析方法，是你去組織哪些資料，指導後續整個資料工作的開展。
本文與你一起梳理常見的7大資料分析方法，如：對比分析、細分分析、A/B Test分析、漏斗分析、留存分析、相關分析、聚類分析。
01對比分析 — — 沒有對比就沒有傷害
對比分析，是資料分析中最基礎、最常用、也是最實用的分析方法之一。該方法主要是指將兩個及以上物件的資料指標進行比較，闡述對比物件在數量上的差異，從而得出業務在不同階段的變化趨勢及規律。
比較常見的對比分析方式：從時間趨勢上進行環比、同比、定基對比，從空間上進行A/B 測試對比、相似空間對比、先進空間對比，從特定標準上進行與目標值、假定值、平均值對比。
舉個例子：轉化/活躍指標，今天與昨天進行環比，本週一和上週一進行周同比，某個公司與行業平均水平對比……
02細分分析— — 不細分無分析
“不細分無分析”， 這是我們細分分析時常見的一句話。足見細分分析是一個非常重要的手段，一步一步拆分，就是在不斷問為什麼的過程。
細分分析一般有兩種：
（1）逐步細分，是由粗到細、由淺入深，逐步進行細分的過程。
比如：銷售額下降或上漲，先拆到國家、省、市/地區、門店，對比觀察哪個區域變大帶來的；流量質量變差，先拆到付費、免費，付費拆到應用市場、社交媒體…，再拆到Google Play、App Store、Facebook、Twitter、Snapchat等。總結下來一句話：細分是逐步細化就步步向下鑽取，拆解……
（2）交叉細分
交叉分析，是在縱向分析法和橫向分析法的基礎上，從交叉、立體的角度出發，由淺入深、由低階到高階的一種分析方法，它彌補了獨立維度進行分析沒法發現的一些問題。比如：四象限、RFM模型。
03A/B Test— — 分桶才是最科學的效果評估
“分桶才是最科學的”，A/B Test是為同一個目標制定兩個方案，在同一時間維度，分別讓相同（相似）的使用者群組隨機使用一個方案，收集各群組的使用者體驗資料和業務資料，最後根據顯著性檢驗分析評估出更優方案並正式採用。
比如：比如有A、B兩個文案，透過隨機的方式讓使用者看到、使用其中一個文案，然後評估兩組人群的跳出、點選、使用等資料。
04漏斗分析— — 每一步都是一個節點
漏斗分析是一套流程式資料分析，它能夠科學反映使用者行為狀態以及從起點到終點各階段使用者轉化率情況的重要分析模型。
常見於註冊登入轉化、瀏覽交易轉化、進店銷售轉化等場景，透過量化每一步的轉化率，來衡量一個商業或產品的成敗及可最佳化調整的點。
比如：一款電商類APP，從使用者下載APP、訪問、註冊、瀏覽、交易，計算出每一步的數值及漏斗比例。
05留存分析— — 使用者來得快，走得也快
“使用者來得快，走得也快”，留存率，是做運營或使用者增長的同學都必看的一個指標，它是衡量一塊業務是否健康的關鍵指標，做好留存會帶來長遠的複利效應，沒有留存就沒有未來。
留存分析，在資料運營領域有著十分重要的地位，常見留存指標有次日留存、七日留存率、次周留存率、次月留存率、T+N日/周/月留存率等等，表示目標使用者在一段時間後回訪產品或回到產品中完成某個行為的比例。
比如：有100人安裝且訪問了APP，次日有40人繼續訪問，次日留存率就是40%，第7天有20人繼續訪問，第7天留存率就是20%…
06相關分析— — 相關不等於因果
相關分析，研究現象之間是否存在某種依存關係，從而發現業務運營中的關鍵影響及因素。相關關係的測定方法包括：散點圖、相關係數等。
相關分析，主要有以下3種類型：
（1）單相關：兩個因素之間的相關關係叫單相關，即研究時只涉及一個自變數和一個因變數；
（2）複相關 ：三個或三個以上因素的相關關係叫複相關，即研究時涉及兩個或兩個以上的自變數和因變數相關；
（3）偏相關：在某一現象與多種現象相關的場合，當假定其他變數不變時，其中兩個變數之間的相關關係稱為偏相關。
比如：受教育程度與收入、學習時間與學習成績、使用者瀏覽頁面多少與購買商品數量的關係？
07聚類分析— — 物以類聚人以群分
“物以類聚人以群分”，聚類分析是常用的資料分析方法之一，其核心是基於資料之前存在相似性。聚類的方法有K均值（K-Means），譜聚類（Spectral Clustering），層次聚類（Hierarchical Clustering），具體就不贅述。常見於以下2個場景應用：
（1）使用者細分：根據相似性將使用者劃分成不同的族群，並研究各個族群的特徵並做業務應用。
（2）異常檢測：發現正常與異常的使用者資料，識別其中的異常行為。
比如：基於使用者的註冊資訊、訪問行為、交易資訊（商品、金額等），透過聚類分析得到相似人群、不同人群，並對比在不同維度、指標的特徵差異，制定精細化運營的策略。
以上就是整理的7個常見資料分析方法，希望對你有所幫助。
◆～◆～◆～◆～◆～◆～◆～◆～◆～◆～◆～◆～◆～◆～◆～◆～◆
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。各位也可以關注我的Facebook，按讚我的臉書並私訊「10」，送你十週入門數據分析電子書唷！期待你與我互動起來~
