数据分析不是个事儿
想必做过数据分析的同学一定接触过很多分析方法，比如漏斗法，同期群，A/B测试等等。并且由于不同版本的演绎，造成了分析方法种类繁多，令人眼花缭乱，甚至高深莫测。其实真不用把分析方法看的太高大上了，所有的分析方法总结起来就两种：分类和对比，分类和对比，分类和对比，重要的事情说三遍，并且大部分的分析方法都是这两者的结合
为什么说数据分析就是分类和对比呢？
拿我家娃来举例子，我家娃3岁多了，他现在就会用分类和对比来做数据分析了。一天妈妈给他拿了一块大白兔奶糖和一块德芙巧克力，问他选哪个，小家伙犹豫了1分钟，最后选了德芙巧克力；第二天妈妈给他拿了两块大白兔奶糖和一块德芙巧克力，问他选哪个，小家伙又犹豫了1分钟，但这次他选择了两块大白兔奶糖。
其实这两次选择的过程，小家伙都做了分类和对比。他首先把奶糖和巧克力分成了两类，并没有混为一谈，否则就不会犹豫那么长时间了。然后再去做对比，第一次对比的结果是，一块奶糖不如一块巧克力好，所以选择了一块巧克力；第二次对比的结果是，两块奶糖是要比一块巧克力好的，所以选择了两块奶糖。大家看看，一个3岁的小孩都是会做数据分析的。当然，实际业务中的分析方法确实更加复杂，但归纳起来，也是这两个方法的演绎。我们先来看看最基础的对比分析和分类分析是如何应用的：
对比分析
对比分析顾名思义就是将两个或两个以上的数据进行比较，分析它们之间的差异，从而发现数据的变化情况和规律。对比分析法分为静态比较和动态比较两类，用来判断某个数据是好还是坏，以及某几个数据之间的差异性。
对比分析怎么比呢？一般在数据分析中我们可以从这样几个角度进行对比
时间对比：同比、环比、变化趋势
空间对比：不同城市、不同产品对比
目标对比：年度目标、月度目标、活动目标
用户对比：新用户vs老用户、注册用户vs未注册用户等
竞品对比：渠道、功能、体验和流程、推广和收入
分类分析
分类分析就是把分析对象总体中具有不同性质的对象区分开，把性质相同的对象合并在一起，保持各组内对象属性的一致性、组与组之间属性的差异性，以便进一步运用各种数据分析方法来揭示内在的数量关系，最终目的是为了方便对比，所以经常和对比分析法一起用
分类分析一般有以下几种分类方法：
不同时间分组：日、周、月、年等
不同产品类型分组：产品属性；产品区域
不同用户类型分组：人口属性（性别、年龄）；客户价值；消费频次
不同渠道分组：线上渠道、线下渠道；付费渠道、免费渠道
案例 ：在分析某App的留存率的时候发现有下降趋势，为了更好的定位问题所在，对不同渠道的留存率进行了分组分析，通过分析发现留存率降幅明显的是IOS渠道和应用市场渠道，且因为这两个渠道的用户量占比最大，应该对于整体留存率的影响最大；再通过对这两个渠道的订单完成情况分析，发现接单情况对留存的影响最大，对于完成订单接单时间越长留存越差，对于发布订单未接单率越高留存越差。所以，目前应该提高接单率以及提升完成订单的时效性。
了解了最基础的分类和对比分析法，下面我就从分类对比的角度去帮助大家理解数据分析常用的5个方法：转化漏斗分析、同期群分析、AB测试、用户来源分析、矩阵分析
转化漏斗分析
转化漏斗分析是最常用的一种模型，也是增长黑客理论的基础。特别适合有交易型的业务
最典型的例子就是电商行业。获得了多少新用户（浏览），多少用户被激活（注册），多少用户还来光顾网站（留存），多少用户购买了产品（收入），多少用户帮助推广（传播）。漏斗主要帮助我们解决在哪个环节用户的流失最多
转化漏斗也是一个分类对比的过程。分类是把用户的行为过程分成了5个步骤，对比是看用户在哪个步骤中流失严重。比如用户在注册的阶段流失严重，推测是不是注册过程太繁琐，体验太差导致的，我们就可以对症下药。
同期群分析
同期群（cohort）分析在数据运营领域十分重要，特别是看产品改版后用户整体的留存情况。防止在一个时间点改版后，用户留存率大幅下降却没有察觉。
所谓同期群分析方法，也就是将用户按初始行为的发生时间进行划分为群组（即同期群）。然后对处于相同生命周期阶段的用户进行垂直分析，从而比较得出相似群体随时间的变化的差异。通过比较不同的同期群，可以从总体上看到，用户表现是越来越好，还是越来越差。从而验证产品改进是否取得了效果
这个模型的分类是按照时间窗口来分，对处于相同生命周期阶段的用户进行分类；对比就是比较不同群的用户，在相同生命周期阶段，表现有何差异。横向分类，纵向对比
案例：9月份新增用户10万人，10月份新增用户15万人，但9月份新增用户的30日留存用户为1万人，10月份新增用户的30日留存用户也为1万人，哪个月的运营业绩更好呢？
通过同期群分析，我们可以发现9月份和10月份新增用户的留存用户是相同的，那么9月份的留存率更高，从用户质量角度考虑，9月份的运营成果更好，从有效用户角度考虑，2个月的运营成果相同，从新增用户角度考虑，10月份的运营成果更好。
同期群分析的目的在于透过现象找到结果，以时间维度建立同期群，除按时间维度考虑，也可以对来源渠道等维度建立同期群。
AB测试方法
精益数据分析的主要思想之一，是不要一开始就做一个大而全的产品，而是要不断做出能小而精的功能或者策略，并进行快速的验证。那如何快速验证呢？主要方法就是AB测试
比如：你发现漏斗转化中有环节用户流失严重。假设是商品价格的问题，那么策略就是改变定价。但策略是否正确，要看真实的用户反应，于是采用AB测试。一部分用户看到的是老价格，一部分用户看到新价格，若策略管用，看到新价格的用户应该有更好的转化。那么就可以根据结果来确定是否采用新的价格。
这里的分类就是把用户分成实验组和对照组，对比是什么呢？就是这两组用户后期的表现。通过对比两组用户的表现来判断产品功能或者营销策略是否有效
用户来源分析
随着流量红利的消失，我们对获客来源的重视度变高。如何有效的标注用户来源，至关重要。传统分析工具，渠道分析仅有单一维度，要深入分析不同渠道不同阶段效果，SEM付费搜索等来源渠道和用户所在地区进行交叉分析，得出不同区域的获客详细信息，维度越细，分析结果也越有价值
这里的分类就是就是不同的用户来源渠道，对比是各个渠道的投入产出比，进而决定在哪个渠道加大投入，在哪个渠道缩减开支
矩阵分析法
矩阵分析法是指根据事物（如产品、服务等）的两个重要属性（指标）作为分析的依据，进行分类关联分析，找出解决问题的一种分析方法，也称为矩阵关联分析法，简称矩阵分析法。在做资源分配的时候非常有用
矩阵分析法在解决问题和资源分配时，可以为决策者提供重要参考依据。先解决主要矛盾，再解决次要矛盾，这样有利于提高工作效率，并将资源分配到最能产生绩效的部门、工作中
常见的矩阵分析法有波士顿矩阵，SWOT矩阵等，这里就简单说一下波士顿矩阵模型，它主要思想就是在一个企业内，通过研究产品的市场占有率和产品市场增长率，把企业现有产品划分为不同的四种类型(明星，金牛，问题，瘦狗)，其实它也应用来组合分类的思想，比如上面这张图就是根据两个维度“需求增长率”和“市场占有率”的组合把用户分成了4类，这样能够一目了然的确定主次矛盾，进而进行资源优化
笔者从业数据分析多年，整理了10G的数据分析学习资料包，需要的朋友转发收藏本文，后台私信我“资料包”即可获得！
网友评论