今天繼續更新九大資料分析方法系列。在工作中，我們經常會問：
﹣下雨和業績下降有多大關係？
﹣銷售上漲和新品上市有多大關係？
﹣營銷投入與業績產出有多大關係？
這些問題，都有一個基礎分析方法有關：相關分析法。
一、什麼叫“相關”
簡單來說，相關就是兩個事件之間有關係。比如：
•廣告投入與銷售業績
•下雨刮風和門店人流
•使用者點選和消費行為
即使沒有做分析，直觀上看這些事件之間也有關係。但是不做分析的話，具體是啥樣的關係，很難說清楚。而相關分析，就是找出這種關係的辦法。
二、什麼是“相關分析”
相關分析，特指：找到兩個資料指標之間的相關關係。
比如一個APP裡，使用者反覆瀏覽一款商品，所以他會買嗎？
•一派認為：看的多，說明使用者感興趣，所以會買
•另一派認為：看了這麼久都不買，那肯定不會買了
•還有一派認為：看多少次跟買不買沒關係，得看有沒有活動
聽聽似乎都有理，最後還是得資料說話。這裡討論的，就是：使用者瀏覽行為與消費行為之間，是否有關係的問題。相關分析，即要找出這兩個指標之間的關係。
三、直接相關關係
注意：指標之間可能天生存在相關關係。
常見的有三種形態：
•在結構分析法中，整體指標與部分指標之間關係
•在指標拆解法中，主指標與子指標之間的關係
•在漏斗分析法中，前後步驟指標之間的關係
（如下圖所示）
這三種情況，稱為：直接相關。直接相關不需要資料計算，透過指標梳理就能看清楚關係。
直接相關的情況下，兩個指標出現同時上漲/下跌的趨勢，是很好理解的。比如：
整個公司業績都不好，所以A分公司業績也很差（結構分析）
客戶數太少了，所以整體業績不好（主指標、子指標）
看到廣告人數太少了，所以最後轉化不好（前後步驟）
如果直接相關的兩個指標沒有同漲同跌，往往意味著問題。比如做使用者增長，註冊的新使用者數量大漲，但付費轉化率持續大幅度下跌，這就說明獲客效率在下降，可能是目標使用者已耗盡，也有可能是渠道在造假，也有可能是獲客方法有誤，總之要深入分析（如下圖）
四、間接相關關係
有些指標並非直接相關，但理論上是有關係的。比如品牌廣告與銷售收入，理論上肯定是存在關係：廣告多了，知名度高了，銷量肯定好。
但是品牌廣告又沒有帶貨連結，不能直接說：有5000萬的銷售業績是使用者透過廣告連結購買的。此時就是典型的間接相關關係（如下圖）。
分析間接相關關係，有2種常用方法，一種是散點圖法，可以直接做散點圖，發現相關關係（如下圖所示）
另一種是計算相關係數。這裡先不講相關係數具體公式，小夥伴們只要記得excel裡對應的操作即可（如下圖）
計算出可以發現，廣告投入與銷售兩個指標之間，確有相關關係。至於具體是怎麼相關的，可以再做進一步研究。
間接相關關係，經常用來找改進業績的措施。比如網際網路行業裡著名的“魔法數字”法，本質就是找使用者瀏覽、點贊、分享、登入等行為，與使用者留存、付費行為之間的相關關係。
如果發現：當用戶點贊4次以後，使用者的90天留存會明顯增高。那麼就把這個“4次留存”稱為魔法數字，然後努力推動使用者完成4次點贊。
五、相關分析的不足之處
世界上沒有完美的分析方法，相關分析有兩大不足之處。
不足一：相關不等於因果。
兩個指標相關關係，本質上只是一條資料公式計算出來的結果，至於兩個指標為啥相關？不能直接從計算裡得結論。實際上只要兩個指標走勢相似，在計算的時候就能顯示出相關關係。
這裡有一個經典例子，下圖是我在小區裡種的一棵樹的高度，與我國GDP之間的相關分析。大家會發現：哇塞！這倆指標完美相關哦！那麼我種的這顆樹就是我國的龍脈，能保佑我國經濟騰飛咯？ — — 當然不是！這就是相關不等於因果的直接體現。
不足二：相關分析不能解決非量化指標問題。
很多時候，我們想找的關係不能用資料量化。比如我們想知道：旗艦店是不是比社群店更能吸引消費者。一個店是不是旗艦，取決於位置、裝修、宣傳等諸多因素，不能粗暴的用開店面積、員工人數等指標來代替。
想分析這種非量化特徵與指標之間的關係，需要用到另一種分析方法：標籤分析法。下週再分享哦。
※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※
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~
