此文是《10周入門數據分析》系列的第6篇

想了解學習路線，可以先閱讀“10周計劃”

在數據分析中，數據分析思維是框架式的指引，實際分析問題時還是需要很多“技巧工具”的。就好比中學裡你要解一元二次方式，可以用公式法、配方法、直接開平方法、因式分解法。

數據分析裡也有技巧，在一些通用的分析場景下可以快速使用，而且對未來構建數據分析模型也有幫助。

接下來就分享常見的5種數據分析方法，分别是：公式法、對比法、象限法，二八法，漏鬥法，常常多種結合一起使用。

注：主要偏思維層面的，基于業務問題對數據的探索性分析，不同于專業統計學中的數據處理方法。

一、公式法

所謂公式法就是針對某個指标，用公式層層分解該指标的影響因素，這個我在指标化思維中提到過。

舉例：分析某産品的銷售額較低的原因，用公式法分解

• 某産品銷售額=銷售量 X 産品單價
• 銷售量=渠道A銷售量 渠道B銷售量 渠道C銷售量 …
• 渠道銷售量=點擊用戶數 X 下單率
• 點擊用戶數=曝光量 X 點擊率

第一層：找到産品銷售額的影響因素。某産品銷售額=銷售量 X 産品單價。是銷量過低還是價格設置不合理？

三、象限法

通過對兩種及以上維度的劃分，運用坐标的方式表達出想要的價值。由價值直接轉變為策略，從而進行一些落地的推動。象限法是一種策略驅動的思維，常于産品分析、市場分析、客戶管理、商品管理等。

比如，下圖是一個廣告點擊的四象限分布，X軸從左到右表示從低到高，Y軸從下到上表示從低到高。

高點擊率高轉化的廣告，說明人群相對精準，是一個高效率的廣告。

高點擊率低轉化的廣告，說明點擊進來的人大多被廣告吸引了，轉化低說明廣告内容針對的人群和産品實際受衆有些不符。

高轉化低點擊的廣告，說明廣告内容針對的人群和産品實際受衆符合程度較高，但需要優化廣告内容，吸引更多人點擊。

低點擊率低轉化的廣告，可以放棄了。

還有經典的RFM模型，把客戶按最近一次消費(Recency)、消費頻率(Frequency)、消費金額 (Monetary)三個維度分成八個象限。

象限法的優勢：

1.找到問題的共性原因

通過象限分析法，将有相同特征的事件進行歸因分析，總結其中的共性原因。例如上面廣告的案例中，第一象限的事件可以提煉出有效的推廣渠道與推廣策略，第三和第四象限可以排除一些無效的推廣渠道；

2.建立分組優化策略

針對投放的象限分析法可以針對不同象限建立優化策略，例如RFM客戶管理模型中按照象限将客戶分為重點發展客戶、重點保持客戶、一般發展客戶、一般保持客戶等不同類型。給重點發展客戶傾斜更多的資源，比如VIP服務、個性化服務、附加銷售等。給潛力客戶銷售價值更高的産品，或一些優惠措施來吸引他們回歸。

四、二八法/帕累托分析

二八法也可以叫帕累托法則，源于經典的二八法則。比如在個人财富上可以說世界上20%的人掌握着80%的财富。而在數據分析中，則可以理解為20%的數據産生了80%的效果需要圍繞這20%的數據進行挖掘。往往在使用二八法則的時候和排名有關系，排在前20%的才算是有效數據。二八法是抓重點分析，适用于任何行業。找到重點，發現其特征，然後可以思考如何讓其餘的80%向這20%轉化，提高效果。

一般地，會用在産品分類上，去測量并構建ABC模型。比如某零售企業有500個SKU以及這些SKU對應的銷售額，那麼哪些SKU是重要的呢，這就是在業務運營中分清主次的問題。

常見的做法是将産品SKU作為維度，并将對應的銷售額作為基礎度量指标，将這些銷售額指标從大到小排列，并計算截止當前産品SKU的銷售額累計合計占總銷售額的百分比。

百分比在 70%（含）以内，劃分為 A 類。

百分比在 70~90%（含）以内，劃分為 B 類。

百分比在 90~100%（含）以内，劃分為 C 類。

以上百分比也可以根據自己的實際情況調整。

ABC分析模型，不光可以用來劃分産品和銷售額，還可以劃分客戶及客戶交易額等。比如給企業貢獻80%利潤的客戶是哪些，占比多少。假設有20%，那麼在資源有限的情況下，就知道要重點維護這20%類客戶。

五、漏鬥法

漏鬥法即是漏鬥圖，有點像倒金字塔，是一個流程化的思考方式，常用于像新用戶的開發、購物轉化率這些有變化和一定流程的分析中。

上圖是經典的營銷漏鬥，形象展示了從獲取用戶到最終轉化成購買這整個流程中的一個個子環節。相鄰環節的轉化率則就是指用數據指标來量化每一個步驟的表現。所以整個漏鬥模型就是先将整個購買流程拆分成一個個步驟，然後用轉化率來衡量每一個步驟的表現，最後通過異常的數據指标找出有問題的環節，從而解決問題，優化該步驟，最終達到提升整體購買轉化率的目的。

整體漏鬥模型的核心思想其實可以歸為分解和量化。比如分析電商的轉化，我們要做的就是監控每個層級上的用戶轉化，尋找每個層級的可優化點。對于沒有按照流程操作的用戶，專門繪制他們的轉化模型，縮短路徑提升用戶體驗。

還有經典的黑客增長模型，AARRR模型，指Acquisition、Activation、Retention、Revenue、Referral，即用戶獲取、用戶激活、用戶留存、用戶收益以及用戶傳播。這是産品運營中比較常見的一個模型，結合産品本身的特點以及産品的生命周期位置，來關注不同的數據指标，最終制定不同的運營策略。

從下面這幅AARRR模型圖中，能夠比較明顯的看出來整個用戶的生命周期是呈現逐漸遞減趨勢的。通過拆解和量化整個用戶生命周期各環節，可以進行數據的橫向和縱向對比，從而發現對應的問題，最終進行不斷的優化叠代。

不過，單一的漏鬥分析是沒有用的，不能得出什麼結果，要與其它相結合，如與曆史數據的對比等。

好了，這一節的内容很輕松，也很容易理解，結合之前的數據分析思維内容，是不是開始有一點分析的感覺了。

下一節我們将要學Excel的進階，重點講數據分析處理數據過程中，常用的公式和操作，學好秒殺一衆小白。

往期内容：

學習計劃 | 10周入門數據分析

如何煉就數據分析的思維？

最後，關于學習計劃

本文是10周入門數據分析系列的第二篇，主要分享一些思維技巧。

後面的内容已更新在我的專欄裡，可以戳下“了解更多”關注。

,

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