大家好，我是零一。之后一段时间，我会给大家讲解数据化运营，内容均从我的课程转换而成。
第一节跟大家侃的就是：数据化运营思维。今天是第二节，数据化运营必学的5个分析方法。一直关注我的朋友应该不陌生了，这我在许多文章或场合做提到过。
第一个是对比法，用于发现问题，没有对比就搞不清楚问题，就像上一节课我们比较两个人的身高，胖瘦，就是对比法。在对比时有3个必备的维度，比如我现在体重是140斤，标准（行业）最佳体重是132斤（基于身高），对比标准我是偏胖的，而我周围的同事（竞品）是180、190、200斤，他们在以我为目标进行减肥的工作，而对比我以前是120斤（过去的自己），也就是我长了20斤的肉。在运用对比法时，可以从纵横两个方向进行对比。纵向一般是对不同阶段的对比，比如不同的时间、不同的等级分层。横向是对不同事物的对比，了解之间的差异，比如我和你的对比。所以跟同行业不同层级的商家对比是纵向对比，因为分了层。跟同行业的同层级商家对比是横向对比。自己跟自己不同时期的对比是纵向，不同时间就是不同阶段。自己跟他人相同时期的对比是横向，不同的事物的差距。
上图说明白了纵向和横向对比的区分方法。不同事物的差异要建立在相同的时空，比如我现在比你胖，然而我说5年前我比你现在还要瘦，这个并没有什么可比性。
上图截取自生意参谋，蓝色线代表自己，黄色和橙色都代表行业，X轴是时间，Y轴是销售额。蓝色线的2月22号对比2月19号，是自己跟不同阶段的自己对比，这是纵向对比，发现是有了提升，而2月22号的蓝色线跟黄色线对比还有差距，这是横向对比。然而，2月22号的自己跟2月19号的行业不具备可比性。这里要注意的一点是，纵横向对比和数学的坐标轴不是同一个东西。
这张图都是和过去的自己比，是属于纵向对比。下一个方法是拆分法，它的作用是找到问题的原因并解决问题。在许多领域应用非常广泛，比如杜邦分析法就是拆分法的经典应用。拆分问题时分为等额拆分和非等额拆分两个方法，等额拆分后的子问题能解释100%的问题，非等额拆分后的子问题可能只能解释80%的问题。比如，我们熟知的电商万能公式销售额=访客数*转化率*客单价，而访客数又等于付费流量+免费流量，拆分后的子项可以100%解释父项。
我们经常说做淘宝就是做好点击率、转化率和退款率三个比率就好了，这句话没有毛病，确实做好了点击率就不愁流量，做好转化率就不愁销售额，做好退款率就不愁利润，但是做淘宝并不是只有这3个比率，因此这是一种非等额拆分法，只是抓了事物的重点。下一个方法是分组法，分组法用于发现事物的特征，比如什么人群画像、爆款特征这些统统都是用了分组法。分组法可以按照类型、结构、时间阶段等维度进行分组。
比如，某平台基于服装类型分组，裙、外套、上衣的单品是最多的。通过分组就可以了解这个平台的特征。接下来是排序法，排序法的作用是获取核心目标信息，是基于某一个指标将观测值递增或递减的排列，而且每一次排列只能基于某一个指标。各大排行榜都是用的排序法。比如左侧的表没有排序，那我们在阅读的时候就容易抓不到重点，但是将左表排序成右表之后，我们就可以快速获取“连衣裙交易指数最高的品类”的信息，如果按在线商品数排序，就可以快速获取“T恤是在线商品数最多的品类“的信息。接下来是降维法，降维法在上节课就有提到过，降维法是人类解决问题的基本方法，可以通过运算甚至是统计学方法达到降维的目的，比如我们在读书的时候老师会说理科能力，文科能力，在运营店铺的时候，小二会强调运营能力、服务能力。每个能力的背后都是1个或数个指标支撑的结果。
这是用统计学的方法，把店铺指标分为3个特征（向量），分别是销售能力、拉新能力和留存能力。我们明白这个道理就可以了，降维的思维方式有助于我们解决复杂的问题。最后一个是增维法，增维法和降维法刚好相反，是信息不足或者不够明显时为了便于业务人员分析，通过计算衍生出更加直观的指标。比如在分析关键词时，许多运营就习惯将搜索人气除以商品数量得到一个新的指标，定义为关键词的竞争度。降维和增维看起来有点像，统称为维度法，但降维的思想是把多变少，比如把2个指标变成1个指标进行参考，增维的思想是把少变多，比如这张表把4个指标变成5个指标进行参考。
好！以上是本节课程的全部内容，感谢大家的聆听！
零一的原创出版物：
网友评论