数据分析20大基本分析方法技术总结【分析目的、分析案例、分析方法与思路】「建议收藏」

数据分析20大基本分析方法技术总结【分析目的、分析案例、分析方法与思路】「建议收藏」数据分析方法就是做数据分析的指导技术,在分析方法的指导下在知道如何使用Excel、SQL、Python、Tableau等软件工具去分析数据,从而解决业务问题

零、分析方法基础

1、分析方法很重要
作为一个数据分析师,第一个要求是懂业务,第二个是沟通表达,第三个要求是掌握分析方法。业务是根据实际场景和前人经验积累而得,沟通表达是自己锻炼出来出来的,分析方法则完全靠自己去学习、理解并掌握。

2、什么是分析方法
若将分析方法和盖房子类比,分析方法就好比在盖房子前的设计图,它用来指导如何盖房子。数据分析中的工具就好比盖房子的水泥车、沙铲等工具,在设计图的指导下才知道如何使用水泥车、沙铲来盖房子。同样,在分析方法的指导下在知道如何使用Excel、SQL、Python、Tableau等软件工具去分析数据,从而解决业务问题。

3、数据分析常用分析方法
1.3

一、5W2H分析法

1、内容

What 是什么
When 什么时候
Where 什么时候
Why 为什么
Who 是谁
How 怎么做
How much 多少

2、用处
该方法只适合比较简单的问题进行分析,不适合比较复杂的商业问题,因为复杂的问题是由很多个原因共同引起的,因此无法简单地进行归因。

3、使用
What:这是什么产品?
When:这个产品什么时候上线?
Where:在哪里发布这些产品?
Why:用户为什么需要它?
Who:这个产品是给谁设计的?
How:这个产品需要怎么运作?
How much:这个产品又付费功能吗,需要支付多少钱?

二、逻辑树分析法(类似思维导图)

1、概念
逻辑树分析方法就是把复杂的问题简单化,也就是一个拆解和细分成若干个子问题的过程,就像树枝展开一样。
2.1
2、用处
通过逻辑树分析方法,可以把一个复杂的问题变成一个个容易处理的子问题。

三、PEST分析法(行业分析方法)

1、概念
能从各个方面把握宏观环境的现状及变化趋势,主要用户行业分析,主要就是四个单词。
P:政策(policy)
E:经济(economy)
S:社会(Society)
T:技术(technology

2、用处
1)当个人在对自己进行职业规划时,思考哪个行业比较好时;
2)当公司需要外部环境,或者行业竞争对手有所了解,需要发展规划的时候;
3)当面对重大问题,需要分析行业问题的时候。

3、使用
宏观环境又称一般环境,是指影响一切行业和企业的各种宏观力量。对宏观环境因素作分析时,由于不同行业和企业有其自身特点和经营需要,分析的具体内容会有差异,但一般都应对政治、经济、技术、社会,这四大类影响企业的主要外部环境因素进行分析。

政治环境:政治体制、经济体制、财政政策、税收政策、产业政策、投资政策等。

社会环境:人口规模、性别比例、年龄结构、生活力式、购买习惯、城市特点等。

技术环境:折旧和报废速度、技术更新速度、技术传播速度、技术商品化速度等。

经济环境:GDP 及增长率、进出口总额及增长率、利率、汇率、通货膨胀率、消费价格指数、居民可支配收入、失业率、劳动生产率等。

4、政策方面分析例子
3.4

四、多维度拆解分析法(维度+拆解)

1、概念
多维度拆解法就是从不同的角度看待问题。维度就是观察的角度,拆解就是在多个维度进行加法,也就是多个维度构成一个答案。

2、举例
评价一个公司好坏需要从多个维度出发:
1)加班强度
2)通勤时间
3)专业是否对口
4)晋升路劲
5)行业水平如何
6)行业水平
7)同时关系如何
8)薪资福利
通过多维度拆解过后就是:
好公司=加班强度低(维度1)+通勤时间短(维度2)+专业对口(维度3)+薪资福利好(维度4)+…

3、用处(辛普森悖论:既要关注整体也要关注局部)
在有些情况下,考察数据整体和考察数据的不同部分时,会得出相反的结论。只看整体数据,我我们可能注意不到“数据内部各个部分构成的差异”。因此,需要从多个维度去观察数据,才能得出相对可靠的结论。

五、对比分析法

1、概念
就是自己内部比、和整个行业的水平比。

2、《经济学人》订阅实验

1)第一组参与者看到要订阅的《经济学人》杂志,有两个版本可供选择:  
     A.电子版,59美元   B.印刷版+电子版套餐,125美元

你会怎样选呢?也许你会认为125美元的印刷版+电子版套餐太贵了,而你平时也习惯了在网上阅读各种电子版新闻,所以你会选择更便宜的电子版。事实上大多数实验参与者(68%)和你一样,选择了电子版,而剩下的实验参与者(32%)选择了印刷版+电子版套餐。

2)第二组参与者看到要订阅的《经济学人》杂志,则有三个版本选择:
     A.电子版,59美元   B.印刷版+电子版套餐,125美元   C.印刷版,125美元
  
  这时你会怀疑自己的眼睛。没看错吧?怎么会有那么“傻”的选项C?和125美元的印刷版+电子版套餐(选项B)比起来,125美元的印刷版(选项C)显然非常“傻”,会有人选吗?
实验结果表明,确实,没有任何人选择印刷版(选项C)。但是,更重要的是,现在,只有16%的人选择电子版(选项A),而84%的人选择了125美元的印刷版+电子版套餐(选项B)。原先的选择倒过来了。

3、使用(三个维度进行比较)
1)数据整体的大小:某些指标可用来衡量整体数据的大小。常用的有平均值、中位数,或者某个业务指标
2)数据整体的波动:标准差除以平均值得到的值称为变异系数。变异系数可用来衡量整体数据的波动情况。
3)趋势变化:从时间维度来看数据随着时间发生的变化。常用的方法是时间折线图,环比和同比。

4、注意
1)时间折线图是以时间为横轴、数据为纵轴绘制的折线图。从时间折线图上可以了解数据从过去到现在发生了哪些变化,还可以通过过去的变化预测未来的动向环比是和上一个时间段对比,用于观察短期的数据集。例如:本周和上周对比,本月和.上月对比。.同比是与去年同一时间段进行对比,用于观察长期的数据集。例如:某数据在2020年10月比2019年10月下降14.8%。

2)比较的对象规模要一致,才有可比性。

5、A/B测试
本质就是一种对比分析方法。
简单来说, A/B测试就是为了同一个目标制定两个版本,这两个版本只有某个方面不一样, 其他方面保持一致。 例如两个版本只有按钮颜色不一样,让一部分用户使用A版本(实验组),一部分用户使用B版本(对照组)。试运行一段时间后, 分别统计两组用户的表现,然后对两组数据进行对比分析,最后选择效果更好的版本正式发布给全部用户。

6、A/B例子
比如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,你看到了问题漏斗,也想出了主意-改变定价。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。

六、假设检验分析法

1、概念

过程 说明
1)提出假设 根据需要解决的问题,提出假设的情况
2)收集证据 通过收集需要的材料来证明假设成立
3)得出结论 此处的结论不是个人主观猜想出来的,而是依靠找出的证据来证明和检验出来的

2、用处
1)显著提升思维能力
2)进行归因分析

3、使用
1)从用户、产品、竟品这3个维度提出假设,可以辅助检查提出的假设是否又遗漏

假设用户有问题:可以从用户来源渠道这个维度来拆解分析,或者画出用户使用产品的业务流程图分析原因
假设产品有问题:可以研究这段时间销售的产品是否符合用户的需求
假设是竞品导致的问题:可以看竞品是不是在搞什么优惠活动,用户跑到竞争对手那里了。

2)从4P营销理论提出假设(产品、价格、渠道、促销)

产品:公司提供给目标市场的有形或无形产品,包括产品实体、品牌、包装、样式、服务、技术等
价格:用户购买产品时的价格,包括基本价格、折扣价格、付款期限及各种定价方法和定价技巧等
渠道:产品从生产公司到消费者所经历的销售路径
促销:是指企业利用各种方法刺激用户消费,来促进销售的增长。包括广告、人员推销、营业推广等。例如买一送一和过节打折等

3)从业务流程提出假设
主要是使用多维度拆解分析方法进行进行提出假设和验证结论。

七、相关分析法

1、用处
1)就是判断两个问题相关性的分析方法。在研究两种或者两种以上的数据之间有
什么关系,或者某个事情收到其他因素影响的问题时;

2)在解决问题的过程中,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,方便沟通。不需要专业人士解读也可以很好的理解,沟通双方都不需要解释“相关”的含义。

2、相关系数(画散点图)
如果相关系数绝对值在0~0.3,则认为是低度相关。
如果相关系数绝对值在0.3~0.7,则认为是中度相关。
如果相关系数绝对值在0.7~1,则认为是高度相关。

3、使用
先通过假设检验,找出各种导致问题发生的可能原因,再通过相关分析,计算每个原因对问题产生的相关系数,分析得到的因素中对问题产生影响最大的那个。

八、群组分析法

1、概念
按照某个特征,将数据分成不同的组,然后比较各个组的数据。

2、用处
1)产品会随着时间发布新的版本,产品改版的效果如何?用户量是增长了还是下降了?需要对用户进行分组。

2)然后比较不同组的留存率,所以,群组分析常用于分析留存率随着时间发生了哪些变化,然后找出留下和流失的原因。

九、RFM分析法

1、概念
1)RFM分别代表三个单词:
Recently:最近一次消费的时间间隔
Frequency:消费的频率
Monetary:消费的金额

2)判断方法
对于消费时间间隔R:离上一次消费越近,也就是R值越小,用户价值越高
对于消费品率F:购买频率越高,也就是F的值越大,用户价值越高
对于消费金额M:消费金额越高,也就是M的值越大,用户价值越高

2、用处
当需要将用户进行分类时可以按照RFM进行,对应不同RFM的用户,可以进行总结,得到不同用户分类的规则,实现精细化运营。

我们可以从这三个维度,对用户进行一个分级,我们可以把它分成8类,这8类可以涵盖我
们想要说明的这个用户的价值。比如说近期有购买或者有使用的这样高频次使用,同时
高金额消费这样的用户,我们可以把它定义为我们网站,或者我们平台、APP的高价值用
户:

3、使用
对每一-个用户都计算处RFM值并计算出他们的R、F、M的平均分,再看每一项时高于平均分还是低于平均分,然后就可以得到用户属于“高”、“低”。最后就可以根据他属于的类别进行精细化营销。
9.1
4、与RFM类似的分类方法
1 )根据会员属性进行分类,如用户的性别、城市、设备、登陆次数等。
2 )根据用户的活跃度进行分类,把用户分为未转化会员、新会员、活跃会员和沉寂会员。什么是未转化会员?就是指那些注册了,但是从来没有购买的用户。
3 )根据用户的购买偏好,结合实际购买的场景,给他做一个分类。同时也可以根据用户
的预定平台和推广渠道的敏感来给他分。
4 )也有通过注册来源,比如说PC/APP/H5。假如说我们的网站中大多数会员通过APP端
注册来的。那我们做一些激活活动的话,应该着重发力在APP,而不是选择在PC或者H5这样的端口。

十、AARRR分析法

1、概念
10.1
分别代表了:

过程 说明
获取用户 用户如何找到我们?
激活用户 用户的首次体验如何?
提高留存 用户会回来吗?
增加收入 如何获得更高的利润?
推荐 用户会推荐给其他人吗?

2、使用
1)获取用户:日应用下载量、获客成本、日新增用户数、渠道曝光量、渠道转化率;

2)激活用户:用户路径图;

3)提高留存:让用户养成习惯,可以通过群组分析来找到原因;

4)用来衡量业务总量的指标(如成交额、成交量),用来衡量每个人均情况的指标(如客单价),用来衡量付费情况的指标(如付费率、复购率),注意”夹点”损失,潜在收益的地方。

十一、漏斗分析法(定位问题节点)

1、概念
也叫转化漏斗分析,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。但也可以是其他任何目的的实现,比如一次使用app的时间超过10分钟。
11.1

2、用处
1)在一个过程中是否发生泄漏,如果有泄漏,我们能在漏斗中看到,并且能够通过进一步的分析堵住这个泄漏点。
2)在一个过程中是否出现了其他不应该出现的过程,造成转化主进程收到损害。

3、说明
1)环节转化率=本环节用户数/上一环节用户数:衡量相邻业务环节的转化情况
2)整体转化率=某环节用户数/第一环节用户数:衡量从第一环节到该环节为止的总体转化情况

4、使用
1)漏斗分析的整体转化率,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;

2)漏斗分析的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;

3)将单纯的线索发展到进件,是件并不是一件容易的事,但是这个点是否就是急需优化的流程,这就需要使用对比分析方法并且结合现在的行业平均值来比较。

4)注意:使用漏斗分析方法来分析用户转化问题时,不同行业的业务流程不一样,所以漏斗分析图也不
一样

十二、结合(其他分析方法)

1、其他分析方法
1)聚类分析
聚类分析具有简单,直观的特征, 网站分析中的聚类主要分为:用户,页面或内容,来源。
用户聚类主要体现为用户分群,用户标签法;页面聚类则主要是相似,相关页面分组法;来源聚类主要包括渠道,关键词等

2)埋点分析
只有采集了足够的基础数据,才能通过各种分析方法得到需要的分析结果。
通过分析用户行为,并细分为:浏览行为,轻度交互,重度交互,交易行为,对于浏览行为和轻度交互行为的点击按钮等事件,因其使用频繁,数据简单,采用无埋点技术实现自助埋点,即可以提高数据分析的实效性,需要的数据可立即提取,又大量减少技术人员的工作量,需要采集更丰富信息的行为(如: 重度交互(注册,邀请好友等)和交易事件(加购物车,下订单等)则通过SDK批量埋点的方式来实施。)

3)来源分析
流量红利消失,我们对获客来源的重视度极高,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。

4)用户分析
用户分析是互联网运营的核心, 常用的分析方法包括:活跃分析,留存分析,用户分群,用户画像,用户细查等。
可将用户活跃细分为浏览活跃,互动活跃,交易活跃等,通过活跃行为的细分,掌握关键行为指标;通过用户行为事件序列,用户属性进行分群,观察分群用户的访问,浏览,注册,互动,交易等行为,从而真正把握不同用户类型的特点,提供有针对性的产品和服务。用户画像基于自动标签系统将用户完整的画像描绘清晰,更有力的支撑运营决策。

5)趋势分析
最简单、最常见的数据分析方法,一般用于核心指标的长期跟踪,比如点击率、GMV、活跃用户数。可以看出数据有那些趋势上的变化,有没有周期性,有没有拐点等,继而分析原因。

6)多维分解
也就是通过不同的维度对于数据进行分解,以获取更加精细的数据洞察。举个例子,对网站维护进行数据分析,可以拆分出地区、访问来源、设备、浏览器等等维度。

7)交叉分析
交叉分析法就是将对比分析从多个维度进行交叉展现,进行多角度的结合分析,从中发现最为相关的维度来探索数据变化的原因

8)留存分析
留存分析是一种用来分析用户参与情况/活跃程度的分析模型,考察进行初始行为的用户中,有多少人会进行后续行为。衡量留存的常见指标有次日留存率、7日留存率、30日留存率等。

9)SWOT分析
SWOT分析法也叫态势分析法,S (strengths)是优势、W (weaknesses)是劣势、(opportunities)是机会、T (threats)是威胁或风险。
SWOT分析法是用来确定企业自身的内部优势、劣势和外部的机会和威胁等,通过调查列举出来,并依照矩阵形式排列,然后用系统分析的思想,把各种因素相互匹配起来加以分析。
运用这种方法,可以对研究对象所处的情景进行全面、系统、准确的研究,从而将公司的战略与公司内部资源、外部环境有机地结合起来。

2、建议
数据分析方法有很多,还有一些统计方法,这些都只是比较常用的数据分析方法。而且这些分析方法并不是各自独立的,而是可以相互嵌套进行使用的。数据分析的目的就是通过分析数据找出问题,验证找出的问题,最后 提出解决问题的方案。这是一个全程带有有逻辑推理的的过程,应该十分严谨,根据真实的数据分析结果得出结论,而不是一拍脑袋想当然地提出一个建议。

今天的文章数据分析20大基本分析方法技术总结【分析目的、分析案例、分析方法与思路】「建议收藏」分享到此就结束了,感谢您的阅读。

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 举报,一经查实,本站将立刻删除。
如需转载请保留出处:https://bianchenghao.cn/85115.html

(0)
编程小号编程小号

相关推荐

发表回复

您的电子邮箱地址不会被公开。 必填项已用 * 标注