数据分析学习-常用分析方法-总结二

数据分析—常用分析方法

一、5W2H分析方法

5w：what（是什么）、when（何时）、where（何地）、why（为什么）、who（是谁）

2h：how（怎么做）、how much（多少钱）

案例一：如何是一款产品

1. what：这是什么产品？
2. when：什么时候需要上线？
3. where：在哪里发布这些产品？
4. why：用户为什么需要它？
5. who：这是给谁设计的？
6. how ：这个产品需要怎么运作？
7. how much：这个产品有付费功能吗？价格是多少？

特点：

• 可以帮助我们解决简单的问题
• 在复杂的商业问题面前不起作用，复杂问题有多个问题倒置的。这时候需要运用其他分析方法

二、逻辑树分析方法

逻辑树分析方法：是吧复杂问题拆解成若干个简单的子问题。

不管是实际生活中还是工作中，经常使用逻辑树分析方法来分析问题。

案例一：给自己做一个年度计划

1. 年度计划一般包含很多项，要做的事情很多，思路很零散。为了理顺思路，使用逻辑树分析方法
2. 可以吧年度计划这个复杂问题分为：技能学习、读书、健身、旅行
3. 技能学习可以分为：业务指标、分析方法、工具学习等

这样一步一步把年度计划拆解成一个一个的子问题，解决了子问题就订好了年度计划。

注意事项：

逻辑树分析方法在解决业务问题时，经常不是单独存在的，会融合在其他分析方法里，辅助解决问题。

三、行业分析方法

行业分析方法，又称PEST分析方法。

PEST分析方法是对公司发展宏观环境的分析，所以经常用于行业分析。通常是从政策、经济、社会和技术这四个方面来分析的。

PEST：policy（政策）、economy（经济）、society（社会）、technology（技术）

四、多维度拆解方法

两个关键词：维度 、拆解

如何使用多维度拆分分析方法？

一般会从指标构成或者业务流程的维度来拆解

1. 从指标构成来拆解

   从指标定义进行拆解：

   • 销售额=新用户销售额+老用户销售额
   • 新用户销售额=新用户数 X 转化率 X 新用户客单价
   • 老用户销售额=老用户数 X 复购率 X 老用户客单价

2. 从业务流程来拆解

   新增用户拆解：地域、性别、渠道

多维度拆解分析方法：

1. 是什么？

   维度=角度、拆解=维度1+...+维度n

2. 有什么用？

   • 整体拆解成部分，可以看到内部的差异
   • 将复杂问题拆解成简单问题

3. 如何用？

   • 从指标构成来拆解：分析单一指标的构成。例如单一指标为用户，而用户又可以拆解成为：新用户、老用户
   • 从业务流程来拆解：按业务流程进行拆解分析，例如不同的用户付费率。

4. 注意事项：

   要注意辛普森悖论，就是在有些情况下，考察数据整体和考察数据的不同部分，会得到相反的结论。使用多维度拆解分析方法，可以防止辛普森悖论。

五、对比分析方法

如何使用对比分析方法？

1. 和谁比？

   • 和自己比
   • 和行业比

2. 如何比较

   一般从3个维度比较：数据整体的大小、数据整体的波动、趋势变化

   • 数据整体的大小：平均值、中位数
   • 数据整体的波动：变异数（标准差除以平均值）
   • 趋势变化：时间折线图、环比、同比

六、假设检验分析方法

假设检验分析方法底层思想：逻辑推理

假设检验分析方法分为3步：

1. 提出假设：根据要解决的问题，提出假设
2. 收集证据：通过收集证据来证明
3. 得出结论：依靠找到的证据得出的结论

七、相关分析方法

当我们研究两种或者两种以上的数据之间有什么关系的时候，就要用到相关分析。如果两种数据之间有关系，叫作相关关系。

例如：升高和体重之间的关系。

相关分析的作用：

1. 在研究几种数据之间有什么关系，或者某个事情受到其他因素影响的问题时，可以使用相关分析
2. 在解决问题的过程时，相关分析可以帮助我们扩大思路，将视野从一种数据扩大到多种数据。
3. 相关分析通俗易懂

相关分析通常会使用到散点图

相关分析就是得到相关系数，相关系数有两个作用：

1. 相关系数的数值大小可以表示两种数据的相关程度。一般相关系数的值大于0.6或者小于-0.6，表示两种数据之间高度相关；
2. 相关系数的数值正负可以反映两种数据的相关方向。

excel中实现相关分析：

1. 数据分析库的excel的数据分析功能
2. 选择相关系数
3. 具体操作：略

八、群组分析方法

群组分析方法：（对数据分组然后来对比）按某个特征，将数据分为不同的组，然后比较各组的数据。

九、RFM分析方法

RFM：最近1次消费时间间隔（recency）、消费频率（frequency）、消费金额（monetary）

十、AARRR模型分析方法

AARRR模型对应产品运营的5个重要环节：

1. 获取用户（acquisition）：用户如何找到我们？
2. 激活用户（activation）：用户的首次体验如何？
3. 提高留存（retention）：用户回来吗？
4. 增加收入（revenue）：如何转到更多钱？
5. 推荐（referral）：用户会告诉其他人吗？

作用：

AARRR模型涉及用户使用产品的整个流程，所以它可以帮助分析用户行为，为产品运营制定决策，从而实现用户增长。

十一、漏斗分析方法

从业务流程起点开始到最后目标完成的每个环节都会有用户流失，因此需要一种分析方法来衡量业务流程每一步的转化率，漏斗分析方法就是这样的分析方法。

环节转化率=本环节用户数/上一环节用户数，是为了衡量相邻业务环节的转化情况。

作用：

漏斗分析的作用是“定位问题节点”，即找到出问题的业务环节在哪。漏斗分析常用于用户转化分析或者用户流失分析。

所以漏斗分析中要关注两个指标：用户转化率和用户流失率

漏斗分析的转化率：

• 整体转化率，是从整体上评估各环节用户占初始环节用户的比例，这样就可以根据一定的比例，去预测未来的大致转化或者流失情况。
• 环节转化率，可以评估各业务环节之间的转化情况，通过比较各环节转化率，从而寻找业务瓶颈点，也就是找到最低转化率对应的业务环节。

参考资料：数据分析思维 分析方法和业务知识