這是諸葛io的第433篇數據分析幹貨

01

象限分析法

02

公式拆解法

03

對比分析法

04

可行域分析

05

二八分析法

例如想要提升用戶的訪問時長，我們可以對頭部用戶的訪問内容、路徑進行分析找到原因，20%的頭部用戶訪問時長從10分鐘到30分鐘不等，那麼我們可以将頭部用戶的訪問市場切分為10分鐘、15分鐘、20分鐘、25分鐘、30分鐘，獲得不同的用戶組，從這個用戶組中找到相應的20%的用戶進行特征分析。

這裡需要注意的是，同組20%用戶的特征提升隻對同組剩餘80%的用戶有效，例如訪問時長10-15分鐘的用戶中，頭部20%的用戶的行為特征可以對剩餘80%的用戶起效，但對日訪問5分鐘的用戶效果并不大。
20%的頭部業務：帶頭大哥的應有覺悟
針對業務分析的目的在于找到爆款内容的特征，
例如資訊類産品中對閱讀量頭部文章的分析，一方面是對文章的特征進行分析，另一方面，是對閱讀用戶的分析。
爆款文章或商品背後，代表的是對大多數用戶興趣的滿足，充分喚起了用戶的行為動機，而在用戶分析中，我們需要進一步找到這部分用戶日常閱讀的頭部内容，進行特征的延展分析。

06

假設分析法

什麼是假設分析法？
舉個栗子：

“小明和媽媽買了10本書，正好花了100塊錢，書的單價有8塊錢和13塊錢2種，那麼8塊錢的書和13塊錢的書各買了幾本？
解題思路：
首先，假設這10本書都是8塊錢買的，那麼10本書一共是80塊錢，那還多出來20塊錢，是算錯賬了麼？不是，顯然多出來那20是13塊錢1本的書多出來的。13塊錢的書比8塊錢的書每本多了5塊錢，20塊錢可以買4本，那麼可以得出結論了，13塊錢的書有4本，那麼8塊錢的書有幾本呢？
‍對了，6本。

這道6年級的數學題裡就用到了假設法，假設所有書都是8塊錢，那麼在數據分析中，什麼是假設法呢？簡單理解，假設法是在已知結果數據，在影響結果的多個變量中假設一個定量，對過程反向推導的數據分析方法。
假設法在運營分析中怎麼用？
假設法在運營分析中最常見的有2種場景：
場景一：已知結果找原因，做過程變量假設
例如：某内容社區在11月份的發帖數相比10月份下降了20%，針對這個結果，該如何分析原因？
面對這樣一個無厘頭的問題，該怎麼分析呢？結果數據是發帖數下降了20%，那麼影響發帖數的有哪些因素呢？
我們可以将發帖數量按照用戶分層進行拆分，例如老用戶發帖數量和新用戶發帖數量，也可以按照具體發帖篇數進行拆分，例如發帖5篇以上的用戶，發帖3-5篇的用戶，發帖1-3篇的用戶，拆分後将11月與10月份相同維度的數據進行對比，找出變量。
例如經過拆解後發現，發帖1-3篇的用戶相比10月份減少了40%，其他篇數的用戶量還高于10月份，那麼問題就出在了發帖1-3篇的用戶身上。
那麼發帖1-3篇的用戶為什麼減少了呢？我們可以提出2個假設：
假設10月份發帖1-3篇的用戶成長為更加活躍的用戶了，造成發帖3-5篇的用戶增加，1-3篇的用戶減少；
假設10月份發帖1-3篇的用戶流失率比較高，同時11月份新用戶轉化少，導緻這一群組用戶數量變少。
那麼針對這2個假設，需要對10月份發帖1-3篇的用戶與11月份發帖3-5篇及5篇以上的用戶進行追蹤分析，同時分析11月份新增用戶與10月份新增用戶在留存和活躍上的對比。
場景二：已知目标找過程，做結果假設
例如：12月份的銷售KPI為1000萬，環比11月份上升20%，該如何做一份銷售方案？
這是在做工作計劃時最常見的需求，以12月份需要達成1000萬的銷售KPI為例，拆分銷售KPI的相關影響因素，同樣有2個拆解維度：
1.從商品角度做拆分
要達成1000萬的銷售額，有多種假設方式，例如假設現有商品銷售額與11月相同，新品銷售額達到200萬，那麼為了實現這個結果假設，去做能夠支持200萬銷售額的的過程方案，例如在推廣渠道預算上、倉儲物流上、人力配置上等方面做計劃；還可以針對幾款産品提出銷售額增長的假設；
2.從人群角度做拆分
要達成1000萬的銷售額，一方面挖掘老客戶的購買力，另一方面增加新客戶的來源渠道，假設老用戶複購銷售500萬，那麼針對老用戶設計營銷活動。
假設分析法是在現實應用中常用的數據分析思路之一，數據分析的過程是不斷的提出假設、驗證假設的過程，通常我們遇到的不知道如何下手的數據分析，可以通過假設法來破局。

07

同期群分析

簡單來說，就是将⽤戶進⾏同期群劃分後，對⽐不同同期群組⽤戶的相同指标就叫同期群分析。
同期群分析有什麼用？
例如：9月份新增用戶10萬人，10月份新增用戶15萬人，但9月份新增用戶的30日留存用戶為1萬人，10月份新增用戶的30日留存用戶也為1萬人，哪個月的運營業績更好呢？
通過同期群分析，我們可以發現9月份和10月份新增用戶的留存用戶是相同的，那麼9月份的留存率更高，從用戶質量角度考慮，9月份的運營成果更好，從有效用戶角度考慮，2個月的運營成果相同，從新增用戶角度考慮，10月份的運營成果更好。
同期群分析的目的在于透過現象找到結果，以時間維度建立同期群，除按時間維度考慮，也可以對來源渠道等維度建立同期群。

08

總結

以上是七種比較常見的數據分析法，隻是一些基本的入門概念，希望有一點點幫助，
至于在實際工作中如何運用，是一件很複雜很困難的事，需要将這些方法适配到自己所在的業務，甚至需要根據實際業務進行一些修改，這都需要很多的實踐和思考。
我國的互聯網時代剛剛完成野蠻生長的階段，大家對流量的獲取已經有所理解和應用，但在互聯時代的後半場，對數據的理解和應用将成為制勝的關鍵。
我始終認為互聯網行業的未來在運營，運營的未來則在精細化運營和有效的數據分析管理，持續學習，讓我們工作用數據說話。

,

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!

查看全部