数据分析方法有哪些?(6大数据分析方法详解)

seoxin 04-06 15:12 20次浏览

一个产品,如果你不能衡量它,你就不能了解它,自然而然,你就无法改进它。数据分析说到底,就是这样一个工具——通过数据,我们可以衡量产品,可以了解产品,可以在数据驱动下改进产品。

在数据分析领域,我们套用道家强调的四个字来说,叫“道、法、术、器

  • “道”则是指方向,是指导思想,是战略;
  • “法”则是指选择的方法,有句话说“选择比努力重要“
  • “术“则是指操作技术,是技能的高低、效率的高下。比如使用分析工具的技术(如用Excel进行数据分析的水平);
  • “器“则是指物品和工具,在数据分析领域指的就是数据分析的产品或工具,“工欲善其事,必先利其器”。

而在数据分析和产品、运营优化方面,数据分析方法是其核心,属于“法”和“术”。

那么数据分析方法都有哪些呢?下面诸葛君为大家介绍数据分析过程中常用的6种分析方法。

01 细分分析法

细分分析法是最常用的数据分析方法,对一个指标按不同的维度进行细分查看,往往就能找到影响数据指标涨幅的原因。细分方法可以分为两类:

一类是逐步分析,比如:来北京市的访客可分为朝阳,海淀等区;

另一类是维度交叉,如:来自付费SEM的新访客。

以诸葛io电商demo为例:

对【付款成功】事件按【省份】属性细分查看,能够清晰的看出【北京】区域的涨幅与【付款成功】数据指标涨幅关系非常紧密。

学会这6大数据分析方法,解决你99%的运营需求

(图为诸葛io demo实操页面)

细分分析法除了对指标异常进行深入分析之外,平时的数据指标,如果想要知道该指标的各占比情况,也会经常用到细分功能。比如注册成功指标中有多少占比是男性,多少占比是女性;付款成功中会员的占比是多少,非会员的占比是多少。细分是个常用到不能常用的功能。

02 漏斗分析法

转化漏斗分析是业务分析的基本模型,最常见的是把最终的转化设置为某种目的的实现,最典型的就是完成交易。在使用漏斗过程中除了选择各步骤的事件外,还需要特别注意漏斗的转化时间。不同应用场景转化时间各不相同。比如在申请获得贷款授信上,可以按同一会话来看转化情况;电商类的转化时间可以按同一天内来看转化情况;具体的要根据实际业务场景来设置转化的周期。

(图为诸葛io demo实操页面)

除了通过漏斗的方式来看各流程之间的转化,还有一种情况是计算转化率,比如新增用户到注册成功的转化率是多少,这类转化一般通过两个事件进行四则运算来实现。

(图为诸葛io demo实操页面)

漏斗分析模型已经广泛应用于网站和APP的用户行为分析中,例如流量监控、CRM系统、SEO优化、产品营销和销售等日常数据运营与数据分析工作中。

03 留存分析法

留存分析法是一种用来分析用户参与情况和活跃程度的分析模型,从用户的角度来说,留存率越高就说明这个产品对用户的核心需求也把握的越好,转化成产品的活跃用户也会更多,最终能帮助公司更好的盈利

当下获客成本非常昂贵,通过广告渠道获取的用户当然希望他们尽量多的能够留存下来。通过留存分析找到留存下来的用户,找出留存下来的用户他们是因为平台给他们传递什么价值他们才留存下来,如果把这个平台价值能更好的传递给新来的用户,那就能让更多新用户留存下来。

除了提升新增用户留存外,还需要时刻关注整体用户的留存情况通过细分、对比等方式,寻找高留存用户的特征,提升整体用户的留存情况。

(图为诸葛io demo实操页面)

04 画像分析法

在数据分析中,经常会用到用户画像分析,比如在漏斗转化过程中,有200个用户在某个流程中流失了,那我们需要对这200个用户进行画像查看,查看具备什么样特征的用户特别容易流失。再比如我们去广告投放之前,我们需要知道产品核心用户的用户画像,这样在选择广告渠道上面就会非常得心应手,在换量的渠道上,也可以评估他们的用户群体和我们产品的用户画像是否一致,有多大比例上重叠的。

(图为诸葛io demo实操页面)

05 对比分析

对比分析主要是将两个相互联系的指标数据进行比较,一个指标本身可能看不出多少有用信息,但将两组数据进行对比,能够解读的维度就相较之前会多一些,通过相同维度下的指标分析,可以发现业务在不同阶段的问题。

常见的对比方法包括:时间对比、空间对比、标准对比

比如绝对值或比例值对比,环比或同比对比,跟同行业或者自己进行对比,亦或者通过划分不同用户群,用户群之间进行对比分析。

以诸葛io电商demo为例:

对「查看商品详情」事件以「商品分类」属性细分,对「搜狗用户群」与「百度用户群」进行对比分析,我们可以很清晰的查看到「来自百度」的用户比例更高,为之后运营工作开展奠定了基础。

(图为诸葛io demo实操页面)

06 AB测试

增长黑客的主要思想之一,是不要做一个大而全的东西,而是不断做出能够快速验证的小而精的东西,快速验证,那如何验证呢?主要方法就是AB测试。当我们从数据中找到问题的时候,我们需要验证洞见是否正确,这时候就需要AB测试的帮忙,将一批用户引导到新的运营方案上,之后来验证洞见是否正确。只有从用户中得到验证的假设才是有价值的

比如:你发现漏斗转化中中间有漏洞,假设一定是商品价格问题导致了流失,你看到了问题,也想出了主意。但主意是否正确,要看真实的用户反应,于是采用AB测试,一部分用户还是看到老价格,一部分用户看到新价格,若你的主意真的管用,新价格就应该有更好的转化,若真如此,新价格就应该确定下来,如此反复优化。

当然除了上面提到的分析方法之外,还有其他的分析方法,比如热力图分析、归因分析等等,分析方法更多是术的层面,在使用哪种分析方法之前,还是需要定义清楚问题和通过那些维度去寻找突破口,再借助数据分析方法,这样才能达到事半功倍的效果。

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

  • 暂无推荐