【建議收藏】分析師最常用的10大分析方法。
↑?關(guān)注 + 星標(biāo)?，每天學(xué)Python新技能
后臺回復(fù)【大禮包】送你Python自學(xué)大禮包
這篇文章講了表單分析、用戶分析、埋點分析、聚類分析等10種分析方法，先學(xué)為敬~
正文
轉(zhuǎn)自：大數(shù)據(jù)科學(xué)
道家曾強(qiáng)調(diào)四個字，叫“道、法、術(shù)、器”。
層次分別為：
“器”是指物品或工具，在數(shù)據(jù)分析領(lǐng)域指的就是數(shù)據(jù)分析的產(chǎn)品或工具，“工欲善其事，必先利其器”；
“術(shù)”是指操作技術(shù)，是技能的高低、效率的高下，如對分析工具使用的技術(shù)；
“法”是指選擇的方法，有句話說“選擇比努力重要”；
“道”是指方向，是指導(dǎo)思想，是戰(zhàn)略。
在數(shù)據(jù)分析和產(chǎn)品、運(yùn)營優(yōu)化方面，數(shù)據(jù)分析方法是其核心，屬于“法”和“術(shù)”的層次。
那么如何做好數(shù)據(jù)分析呢，今天咱們來講講十大數(shù)據(jù)分析的方法。
1、細(xì)分分析
細(xì)分分析是數(shù)據(jù)分析的基礎(chǔ)，單一維度下的指標(biāo)數(shù)據(jù)信息價值很低。
細(xì)分方法可以分為兩類，一類是逐步分析，比如：來北京市的訪客可分為朝陽，海淀等區(qū)；另一類是維度交叉，如：來自付費SEM的新訪客。
細(xì)分用于解決所有問題。比如漏斗轉(zhuǎn)化，實際上就是把轉(zhuǎn)化過程按照步驟進(jìn)行細(xì)分，流量渠道的分析和評估也需要大量的用到細(xì)分方法。
2、對比分析
對比分析主要是指將兩個相互聯(lián)系的指標(biāo)數(shù)據(jù)進(jìn)行比較，從數(shù)量上展示和說明研究對象的規(guī)模大小，水平高低，速度快慢等相對數(shù)值，通過相同維度下的指標(biāo)對比，可以發(fā)現(xiàn)，找出業(yè)務(wù)在不同階段的問題。
常見的對比方法包括：時間對比，空間對比，標(biāo)準(zhǔn)對比。
時間對比有三種：同比，環(huán)比，定基比。
例如：本周和上周進(jìn)行對比就是環(huán)比；本月第一周和上月第一周對比就是同比；所有數(shù)據(jù)同今年的第一周對比則為定基比。通過三種方式，可以分析業(yè)務(wù)增長水平，速度等信息。
3、漏斗分析
轉(zhuǎn)化漏斗分析是業(yè)務(wù)分析的基本模型，最常見的是把最終的轉(zhuǎn)化設(shè)置為某種目的的實現(xiàn)，最典型的就是完成交易。但也可以是其他任何目的的實現(xiàn)，比如一次使用app的時間超過10分鐘。
漏斗幫助我們解決兩方面的問題：
在一個過程中是否發(fā)生泄漏，如果有泄漏，我們能在漏斗中看到，并且能夠通過進(jìn)一步的分析堵住這個泄漏點。
在一個過程中是否出現(xiàn)了其他不應(yīng)該出現(xiàn)的過程，造成轉(zhuǎn)化主進(jìn)程收到損害
同期群（cohort）分析在數(shù)據(jù)運(yùn)營領(lǐng)域十分重要，互聯(lián)網(wǎng)運(yùn)營特別需要仔細(xì)洞察留存情況。通過對性質(zhì)完全一樣的可對比群體的留存情況的比較，來分析哪些因素影響用戶的留存。
同期群分析深受歡迎的重要原因是十分簡單，但卻十分直觀。同期群只用簡單的一個圖表，直接描述了用戶在一段時間周期（甚至是整個LTV）的留存或流失變化情況。
以前留存分析只要用戶有回訪即定義為留存，這會導(dǎo)致留存指標(biāo)虛高。
5、聚類分析
聚類分析具有簡單，直觀的特征，網(wǎng)站分析中的聚類主要分為：用戶，頁面或內(nèi)容，來源。
用戶聚類主要體現(xiàn)為用戶分群，用戶標(biāo)簽法；頁面聚類則主要是相似，相關(guān)頁面分組法；來源聚類主要包括渠道，關(guān)鍵詞等。
例如：在頁面分析中，經(jīng)常存在帶參數(shù)的頁面。比如：資訊詳情頁面，商品頁面等，都屬于同一類頁面。簡單的分析容易造成跳出率，退出率等指標(biāo)不準(zhǔn)確的問題，通過聚類分析可以獲取同類頁面的準(zhǔn)確數(shù)據(jù)用于分析場景。
6、AB測試
增長黑客的一個主要思想之一，是不要做一個大而全的東西，而是不斷做出能夠快速驗證的小而精的東西?？焖衮炞C，那如何驗證呢？主要方法就是AB測試。
比如：你發(fā)現(xiàn)漏斗轉(zhuǎn)化中中間有漏洞，假設(shè)一定是商品價格問題導(dǎo)致了流失，你看到了問題-漏斗，也想出了主意-改變定價。但主意是否正確，要看真實的用戶反應(yīng)，于是采用AB測試，一部分用戶還是看到老價格，一部分用戶看到新價格，若你的主意真的管用，新價格就應(yīng)該有更好的轉(zhuǎn)化，若真如此，新價格就應(yīng)該確定下來，如此反復(fù)優(yōu)化。
7、埋點分析
只有采集了足夠的基礎(chǔ)數(shù)據(jù)，才能通過各種分析方法得到需要的分析結(jié)果。
通過分析用戶行為，并細(xì)分為：瀏覽行為，輕度交互，重度交互，交易行為，對于瀏覽行為和輕度交互行為的點擊按鈕等事件，因其使用頻繁，數(shù)據(jù)簡單，采用無埋點技術(shù)實現(xiàn)自助埋點，即可以提高數(shù)據(jù)分析的實效性，需要的數(shù)據(jù)可立即提取，又大量減少技術(shù)人員的工作量，需要采集更豐富信息的行為。
如：重度交互（注冊，邀請好友等）和交易事件（加購物車，下訂單等）則通過SDK批量埋點的方式來實施。
8、來源分析
流量紅利消失，我們對獲客來源的重視度極高，如何有效的標(biāo)注用戶來源，至關(guān)重要。
傳統(tǒng)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付費搜索等來源渠道和用戶所在地區(qū)進(jìn)行交叉分析，得出不同區(qū)域的獲客詳細(xì)信息，維度越細(xì)，分析結(jié)果也越有價值。
9、用戶分析
用戶分析是互聯(lián)網(wǎng)運(yùn)營的核心，常用的分析方法包括：活躍分析，留存分析，用戶分群，用戶畫像，用戶細(xì)查等。
可將用戶活躍細(xì)分為瀏覽活躍，互動活躍，交易活躍等，通過活躍行為的細(xì)分，掌握關(guān)鍵行為指標(biāo)；通過用戶行為事件序列，用戶屬性進(jìn)行分群，觀察分群用戶的訪問，瀏覽，注冊，互動，交易等行為，從而真正把握不同用戶類型的特點，提供有針對性的產(chǎn)品和服務(wù)。
用戶畫像基于自動標(biāo)簽系統(tǒng)將用戶完整的畫像描繪清晰，更有力的支撐運(yùn)營決策。
10、表單分析
填寫表單是每個平臺與用戶交互的必備環(huán)節(jié)，優(yōu)秀的表單設(shè)計，對轉(zhuǎn)化率的提升起到重要作用。
用戶從進(jìn)入表單頁面之時起，就產(chǎn)生了微漏斗，從進(jìn)入總?cè)藬?shù)到最終完成并成功提交表單人數(shù)，這個過程之中，有多少人開始填寫表單，填寫表單時，遇到了什么困難導(dǎo)致無法完成表單，都影響最終的轉(zhuǎn)化效果。
以上就是常見的數(shù)據(jù)分析方法，更多應(yīng)用方法需要根據(jù)業(yè)務(wù)場景靈活應(yīng)用。
推薦閱讀
推薦閱讀