11種數(shù)據(jù)分析方法，別再說你不會了
這是精讀《數(shù)據(jù)分析思維：分析方法和業(yè)務知識》的第2篇文章
哈嘍大家好，我是可樂，上周五的精讀我們總結了常用的指標，以及如何選擇指標，如何構建指標體系，如果你還沒讀，可以再看下：精讀1：總說業(yè)務，到底業(yè)務常用的指標有哪些
今天我們接著這本書往后看，第二章講了數(shù)據(jù)分析的方法，從大家耳熟能詳?shù)?W2H出發(fā)到群組分析等，基本上涵蓋了工作生活中可能會用到的各種方法，下面我們一個一個來聊。
5W2H分析方法
就是用5個W和2個H開頭的英文單詞來思考問題，很好理解，適用于解決簡單的問題，而面對復雜的商業(yè)問題時就需要其他的方法輔助了。
邏輯樹分析方法
由費米提出，主要用來將復雜的問題變成簡單的問題，像樹枝那樣逐漸展開，問題拆解，把一個復雜的問題變成一個個簡單的子問題。
面試中常見的問題：如估算深圳有多少個產(chǎn)品經(jīng)理，芝加哥有多少鋼琴調音師等，這類估算問題我們稱之為費米問題，在解決費米問題時，考察點通常不是真的去算出深圳到底有多少個產(chǎn)品經(jīng)理，重點在于你的分析方法，也就是你運用邏輯樹分析問題的能力。
行業(yè)分析方法
當需要分析行業(yè)問題、制定發(fā)展規(guī)劃時，要進行行業(yè)分析，首選PEST分析法。
多維度拆解分析方法
多維度拆解法，就是維度+拆解，從多個角度思考問題。
那么可以從哪些維度來拆解問題呢？
從指標構成拆解
從業(yè)務流程拆解
面試中常見的 “次日用戶留存率下降了 5%該怎么分析？” 這種問題，就可以用到維度拆解的方法，具體可參考下面這篇文章：
通過多維度拆解數(shù)據(jù)，我們發(fā)現(xiàn)了一種考察數(shù)據(jù)整體和不同部分時，會得到相反結論的現(xiàn)象，稱之為辛普森悖論。
當我們對兩個變量進行分組研究時，在分組中都占優(yōu)勢的一方，在總評中反而成為失勢的一方。
比較著名的當屬1973年加利福尼亞大學伯克利分校性別歧視的例子，男生錄取率為44%，女生錄取率為35%，根據(jù)這個數(shù)據(jù)有人就覺得該校有性別歧視的傾向，但如果每個院系分開來看錄取率的話，可以發(fā)現(xiàn)，A B D F四個院女生的錄取率都高于男生。這個悖論告訴我們一個簡單的統(tǒng)計數(shù)字不能完全描述其背后的復雜意義，因此只看到數(shù)據(jù)整體，而忽視數(shù)據(jù)內各個部分的差異是不對的。
對比分析
在進行對比分析時，主要考慮兩個問題，和誰比，以及如何比。
和誰比
和自己比：同比、環(huán)比、定比、與目標值的對比、縱比、橫比、特定時期的對比
和行業(yè)比：與行業(yè)平均水平比
如何比
數(shù)據(jù)整體的大小：平均值、中位數(shù)
數(shù)據(jù)整體的波動：變異系數(shù)
趨勢變化：折線圖、同比、環(huán)比
推薦一篇講對比分析的文章：
數(shù)據(jù)對比分析法，看這篇就夠了！
注：比較的對象規(guī)模一致才有可比性
A/B測試就是應用了對比分析
假設檢驗分析
分析問題發(fā)生的原因，也叫歸因分析，“為什么”的問題，指標下降的問題
相關分析
研究兩種或兩種以上數(shù)據(jù)之間關系的方法，如果一個指標和另一個指標是一起變化的，說明它們是相關的，而如果是一個指標先變化從而導致了另一個指標的變化，說明它們是有因果性的。
關于相關性也可以參考下面這篇文章：
再說相關性分析
需要注意的是，相關性并非因果性，現(xiàn)實生活中，100%的因果關系很難找到。如何判別是相關還是因果呢？答案就是：單變量控制法，控制其他因素不變，只改變一個因素，然后觀察這個因素對結果的影響。
群組分析
也叫同期群分析，也就是對數(shù)據(jù)分組后對比。
比如按時間分析留存率，目的是找到留存率低的組，然后進一步分析這些組。
還有流失用戶分析、金融逾期分析等
RFM分析
RFM分析用來對用戶進行價值分類，從重要價值用戶到一般挽留用戶，識別有價值的用戶，進行精細化運營，不斷將用戶轉化為重要價值用戶。
這里的R F M分別對應：
R-最近一次消費間隔
F-消費頻率
M-消費金額
如信用卡會員服務，就是采用RFM分析后進行運營的一個例子，不能對用戶采取同樣的運營策略，否則可能導致流失。
有關RFM分析在Excel里怎么實現(xiàn)，可以參考這篇文章：
RFM分析-用戶價值細分的精準運營方法
注意：
對RFM值要根據(jù)業(yè)務的不同靈活運用
AARRR模型
AARRR模型用來分析用戶行為，為產(chǎn)品運營制定決策，實現(xiàn)用戶增長。
對應產(chǎn)品運營的5個重要環(huán)節(jié)：
Acquisition-獲取用戶：用戶如何找到我們
Activation-激活用戶：用戶的首次體驗如何
Retention-提高留存：用戶會回來嗎
Revenue-增加收入：如何賺到更多的錢
Refer-推薦：用戶會推薦給其他人嗎
有關AARRR模型的問題還可以參考下面這篇文章：
數(shù)據(jù)分析應關注AARRR模型的哪些指標
獲取用戶階段，我們比較關心以下指標：
渠道曝光量
渠道轉換率
日新增用戶數(shù)
日應用下載量
獲客成本
激活用戶階段，需要找到“啊哈時刻”，就是讓用戶情不自禁地喜歡上產(chǎn)品亮點、發(fā)出贊嘆的時刻。
留存階段，核心目標是讓用戶養(yǎng)成使用習慣，重點關注留存率指標
增加收入階段，主要關注：
總量相關指標，如成交總額、成交數(shù)量
人均情況指標，如ARPU/ARPPU、人均訪問時長
付費情況指標，如付費率、復購率
推薦階段，也叫病毒營銷，或自傳播，主要關注：
轉發(fā)率
轉化率
K因子
漏斗分析
漏斗分析是衡量業(yè)務流程每一步的轉化率的分析方法，在各行各業(yè)都有相應的應用，如用戶轉化的分析、用戶流失分析、流量監(jiān)控等。目的在于定位問題節(jié)點，找到有問題的環(huán)節(jié)在哪。
相關閱讀：