八種常用的分析方法（1）

分析方法五：對比分析法

使用對比分析法對問題進行分析，需要明确兩個要素：對比對象、對比維度/指标。

1、對比對象

對比對象一般分為：自身對比、行業對比。

舉個例子，比如經營一家零售加盟店，10月份的銷售額是100萬，那怎麼去衡量這個月的經營成效如何呢？是經營得當還是經營不佳呢？

那就可以從兩方面去進行對比衡量：

一是和自身對比，今年10月的銷售額對比去年10月的銷售額是出現了銷售同比增長還是下滑呢？對比本月的銷售目标，目标是未達成還是超額達成呢？以及對上月環比是增長了還是下跌？

二是和行業對比。可以跟同區域或者全國的店均銷售額進行對比，可以看出本店銷售額所處位置，也可以向同場競品進行橫向對比，找出自己與競品的差距。

2、對比維度/指标

一般從3個維度進行比較：數據整體的大小、數據整體的波動、趨勢變化。

1）數據整體的大小

某些指标可以用來衡量整體數據的大小。常用的有平均數、中位數、或者某個業務指标，如整體銷售額、店均銷售額等等

2）數據整體的波動

标準差除以平均值得到的值叫做變異系數。變異系數可以用來衡量整體數據的波動情況

3）趨勢變化

趨勢變化是從時間的維度來看數據随着時間發生的變化，常用的圖标有時間折線圖（年月日）、同比、環比

同比是指與去年同一個時間段對比，如21年10月份的銷售額為100萬，20年10月份的銷售額為80萬，那麼21年10月份的銷售額同比20年10月份是增長了 25%

“（100萬-80萬）/80萬*100%”

環比是指與上一個時間段進行比較，如21年10月銷售額為100萬，21年9月份的銷售額為120萬，那麼21年10月份的銷售額環比21年9月份是下滑16.7%

“（100萬-120萬）/120萬*100%”

做産品經理的同學可能常用到一種叫“A/B測試”的方法，去驗證那種産品設計方案優劣，期背後的邏輯也是運用了對比分析的方法，當然其中也涉及到了“數據埋點”的問題，這個後續可以單獨展開講講。

分析方法六：群組分析方法

群組分析法是指按照某一特征的不同，将數據分組，然後比較各組的數據。

群組分析的方法常用于分析用戶留存随時間發生了哪些變化，然後找出用戶流失的原因。

假設現在是10月初，我們目前在做一個同校社交app，并在7月初上線，在近3個月中我們對app的功能進行了許多優化，以及做了很多拉新活動，每個月都有新的用戶注冊，那麼我們近3月注冊的這些用戶，他們的留存情況是怎麼樣的呢？是注冊後就流失了，還是注冊後持續使用我們的産品呢？

這就需要我們運用群組分析的方法，對注冊用戶進行分組，比較各組的留存數據，通過分析找出用戶留存或者流失的原因。

比如我們将注冊用戶分為7月注冊、8月注冊、9月注冊三個群組，然後分别研究他們的留存情況

留存率=留存人數/對應群組注冊人數*100%

例如，7月份組的首月留存率為80%，可以理解為7月份有100個人新用戶注冊登錄，但是這批用戶中在8月份登錄的隻有80人。

從上圖舉例的數據來看，9月組的首月留存率相比于7月和8月就低得多，所以需要重點分析這一個月新注冊用戶的留存偏差。

當然在實際業務中并沒有這麼簡單，需要綜合幾種分析方法地去考量。

舉個例子：

例如面試或者工作裡經常遇到這樣的問題:

上圖表格是—家公司App的一周日活躍率，Boss交給你以下任務:

（1）從數據中你看到了什麼問題?你覺得背後的原因是什麼？

（2）提出一個有效的運營改進計劃？

對于上面這個面試題我們就可以用上述講的兩種分析方法去分析，首先可以看周一到周五DAU都是比較穩定，維持在15%左右，周六驟降至1.8%，那此時是否可以判定周六的用戶活躍出現問題了呢？

其實不能，我們需要運用對比分析法來進行分析，先拉出前三周數據，檢驗前三周産品DAU數據是否跟本周一樣，周一至周五平穩，周六驟降，如果是，那可能說明這是由産品特性決定的，也就是說他是一個正常數據波動。如果前三周周六日數據并有沒有出現驟降的話，那麼說明本周肯定是出現了某些異常情況，導緻了DAU驟降，有可能是産品問題，也有可能是市場運營的問題。

這時候我們可以運用群組分析法，将用戶分組，研究是哪一類型的用戶DAU數據異常，然後在和運營做出針對性的措施，來提升産品DAU數據。

最後，附上一張整理的思維導圖！

以上，希望對你有所幫助。

你好，我是Bottle！做過社交産品、寫過品牌策劃、也鬧騰過用戶增長，現在是一位上市公司的數據分析師，主要負責數據産品規劃以及經營分析相關。

在這裡寫的文章類型不固定，主要是數據分析方法論、讀書筆記及職場經驗等，希望能與你一起從零到一搭建數據分析師知識體系，見證彼此成長！

有問題留言，歡迎交流！

關注并回複“學習”，獲取以下資源

pdf

更多精彩资讯请关注tft每日頭條，我们将持续为您更新最新资讯!