全文約7376字堰燎，建議先收藏再看

數(shù)據(jù)分析的下限阻桅，取決于邏輯歸納。與其說提高分析質(zhì)量灾搏，不如說提升邏輯歸納能力泄伪。

邏輯歸納殴蓬，需要擁有良好的邏輯思維，并結(jié)合領(lǐng)域知識形成該領(lǐng)域的分析方法蟋滴。而領(lǐng)域方法染厅，進一步歸納則能夠成為通用了方法論。

關(guān)于數(shù)據(jù)分析津函，本文將從邏輯思維和分析方法2個角度進行解讀肖粮，其中分析方法會介紹數(shù)據(jù)分析前的準(zhǔn)備以及數(shù)據(jù)如何為我們創(chuàng)造長期價值。

一尔苦、數(shù)據(jù)分析應(yīng)有的邏輯思維

邏輯思維涩馆，是在認(rèn)識事物的過程中借助概念、判斷允坚、推理等思維形式反映客觀現(xiàn)實的理性認(rèn)識過程魂那。借助邏輯思維，能夠確立執(zhí)行方向稠项，減少方向的偏移度以及分析的誤差涯雅。

原始的數(shù)據(jù)并沒有太多的價值，它是已經(jīng)發(fā)生的事實或者結(jié)果展运。從中發(fā)掘價值則是數(shù)據(jù)分析的目的活逆。

在數(shù)據(jù)分析中，其過程是與邏輯歸納相近的拗胜，過程如下：

提出問題?分析問題?提出假設(shè)?驗證假設(shè)?輸出結(jié)論

只有具備了良好邏輯思維蔗候，才能更好的幫助我們數(shù)據(jù)分析。認(rèn)識邏輯挤土，先從邏輯論證的三要素開始，如下圖所示：

在訓(xùn)練自己邏輯思維時误算，首先要保證信息的完整性仰美，其次才是討論準(zhǔn)確性。如果陳述和提問不夠清晰儿礼，后續(xù)論證是沒有意義的咖杂。

初步了解了邏輯，接下來將與各位分享4種思維方式以及其運用方法蚊夫，分別是目標(biāo)诉字、結(jié)構(gòu)化、推理、逆向思維壤圃。

01?目標(biāo)思維

目標(biāo)思維陵霉，作用是明確目標(biāo)的定義及完整性，校準(zhǔn)執(zhí)行的方向伍绳。

從邏輯論證的要素來看踊挠，目標(biāo)只是一個論點，而判斷論點是否有效冲杀、正確效床，則需要細(xì)究其論據(jù)和論證方式。

將目標(biāo)映射至三要素并進行結(jié)構(gòu)化拆解权谁，會變成我們熟悉的需求4要素剩檀，再次延伸又會變成5W2H法。

熟練運用目標(biāo)思維旺芽，不僅能幫助我們分析問題沪猴，還能運用于生活的許多方面。

在陳述問題時所使用的KWIC方法甥绿，其實也是邏輯要素的延伸：

1）K（KEY）：核心觀點

2）W（Widen）：擴展核心觀點包含的內(nèi)容

3）I（Illustrate）：舉例說明佐證觀點

4）C（Conclude）：總結(jié)

信息越全面字币，溝通的成本越低，后續(xù)的論證質(zhì)量才能更高共缕。

02?結(jié)構(gòu)化思維

目標(biāo)思維強調(diào)的是方向洗出，結(jié)構(gòu)化思維強調(diào)的是拆解和延伸。

在上一節(jié)中目標(biāo)的拆解和延伸使用的就是結(jié)構(gòu)化的思維图谷，它能夠幫助我們將無序翩活、散亂的信息進行聚焦、歸納便贵、分類菠镇。

2-1、問題樹

問題樹承璃，是大家較為熟悉的方法利耍，也是我們常使用的“腦圖”。它是一種以樹狀圖形來分析存在的問題及其相互關(guān)系的方法盔粹，也是邏輯樹的一種類型隘梨。

在邏輯樹中，每一層都是下一層的總結(jié)概括舷嗡，同樹干內(nèi)的延伸范圍相同轴猎，不同樹干的延伸范圍相互獨立。

在使用問題樹時將一個已知問題當(dāng)成樹干进萄，然后根據(jù)相關(guān)問題增加樹干或樹枝捻脖，它能夠幫助我們更全面的找到相關(guān)項锐峭。

設(shè)置第一條樹干時有兩種方式，自上而下以及自下而上可婶。

自上而下其實是以終為始沿癞，通過最終的目標(biāo)進行拆解；自下而上則常見于頭腦風(fēng)暴扰肌，當(dāng)缺少拆解思路時抛寝，我們可以將信息完全羅列，并對其進行歸類逐層向上聚合曙旭。

在拆解時盗舰，我們應(yīng)注意樹干間的平衡，假設(shè)某個樹干上的樹枝過多或過長桂躏，其上層的拆解維度可能是不正確的钻趋。

2-2、公式法及過程法

公式法剂习，是問題樹的一種延伸蛮位。

公式在橫向表示時，我們也稱為金字塔原理鳞绕。

在邏輯樹的使用場景下失仁，公式法不太關(guān)注細(xì)分場景以及整體漏斗。在進行細(xì)化分析時結(jié)合場景们何、操作流程萄焦，對公式進行進一步的細(xì)化。

在結(jié)合過程法時冤竹，須注意的點是完全窮舉拂封。

舉個例子：在活動中分析成交時，會使用訪問人數(shù)鹦蠕、點擊購買按鈕人數(shù)冒签、成交人數(shù)去分析漏斗。但漏斗數(shù)據(jù)往往是不完整的钟病，這會影響推斷的準(zhǔn)確性萧恕。

結(jié)合場景、操作流程并輸出公式進行數(shù)據(jù)分析肠阱，會比漏斗更為直觀票唆。

以下載app后用戶的注冊流程為例，通過上圖辖所，可以拆解出以下公式：

a惰说、app注冊人數(shù)=手機號注冊人數(shù)+微信注冊人數(shù)

b磨德、微信注冊人數(shù)=進入注冊頁面人數(shù)+瀏覽其他頁面引流進入人數(shù)-進入注冊頁面人數(shù)*跳失率-登錄人數(shù)-點擊手機號登錄注冊人數(shù)

c缘回、手機號注冊人數(shù)=進入注冊頁面人數(shù)+瀏覽其他頁面引流進入人數(shù)-進入注冊頁面人數(shù)*跳失率-登錄人數(shù)-點擊微信登錄注冊人數(shù)-進入手機號登錄頁面人數(shù)*跳失率-輸入手機號未獲取驗證碼人數(shù)-獲取驗證碼未輸入人數(shù)-輸入驗證碼未登錄人數(shù)

公式羅列清楚后吆视，代入數(shù)據(jù)就能夠了解是哪個數(shù)據(jù)和我們的預(yù)期不同，然后再根據(jù)數(shù)據(jù)優(yōu)化我們的交互酥宴。

2-3啦吧、二分法及矩陣法

這兩種結(jié)構(gòu)化方式，其實不太適合用于數(shù)據(jù)分析拙寡，但能夠幫助我們梳理思路便于全局思考授滓。

二分法不適用于數(shù)據(jù)分析的原因是，世界不是非黑即白的肆糕，它很難將某個數(shù)據(jù)指標(biāo)的值枚舉完畢般堆。

而矩陣法所呈現(xiàn)的是結(jié)果數(shù)據(jù)，難以細(xì)化诚啃。

以時間管理中的四象限法為例：

四個象限能夠很好的用于任務(wù)分類淮摔，關(guān)于“重要”和“緊急”的程度，我們也可以使用坐標(biāo)軸的值進行標(biāo)記始赎，但如果要細(xì)究哪個元素影響了”重要“和”緊急“的值和橙，矩陣法就難以承載了。

03 推理思維

確認(rèn)論點造垛，結(jié)構(gòu)化論據(jù)魔招，下一步是論證。在論證中運用推理思維能夠幫助我們迅速找到問題的異同點五辽，從而發(fā)現(xiàn)它們的規(guī)律办斑。

推理主要使用的方法是歸納、演繹奔脐、類比法俄周，而在推理過程中還貫穿著對因果的辯證。

3-1髓迎、歸納法

歸納法峦朗，指從特殊（部分樣本）到一般（全量樣本）的過程，通俗的說是從個別的經(jīng)驗歸納出普遍規(guī)律的方法排龄。它更偏感性思維波势，其推理方式不夠嚴(yán)謹(jǐn)，常用于開拓思路橄维。

在產(chǎn)品工作中我們會遇見許多使用歸納法的情景尺铣，如：“很多用戶都需要這個功能，所以我們應(yīng)該盡快實現(xiàn)争舞×莘蓿”

通過歸納法拆解后如下圖所示：

這實質(zhì)上是以偏概全的方法，一旦有一個用戶不滿足這個前提竞川，這個結(jié)論就無法成立店溢。

這里并不是說如果有用戶不需要這個功能需求就不承接了叁熔，而是要增加更多的衡量維度，如樣本數(shù)量床牧、樣本占比荣回、投入產(chǎn)出比等。

在輸出結(jié)論之前需要判斷樣本是否足夠有代表性戈咳，判斷是必然事件還是隨機事件心软。

這也是為什么數(shù)據(jù)分析需要長時間的收集樣本并觀察數(shù)據(jù)，樣本量太小會使其代表性不足著蛙，觀察周期太短會被數(shù)據(jù)的波動所迷惑删铃，很容易讓我們做出錯誤的判斷。

3-2踏堡、演繹法

演繹法則與歸納法相反,是從既有經(jīng)證實的普遍性結(jié)論泳姐，推導(dǎo)出個別性結(jié)論的一種方法，常見的表現(xiàn)形式是邏輯三段論暂吉。

邏輯三段論的格式為：大前提胖秒、小前提、結(jié)論慕的。

假設(shè)大前提為真阎肝，小前提為真，那結(jié)論一定為真肮街。演繹法追求的是前后一致风题，不自相矛盾，但大部分人都倒在了第一步嫉父，即大前提本身是不成立的沛硅。

不成立的原因是，大前提并非經(jīng)證實的普遍性結(jié)論绕辖，而是通過歸納法輸出的結(jié)論摇肌。要避開歸納法的陷阱，我們則需要對其因果進行辯證仪际。

3-3围小、因果關(guān)系分析法

因果辯證，同時適用于演繹和歸納法树碱，它們都是由因及果的過程肯适。

近期互聯(lián)網(wǎng)保險的營銷活動由于監(jiān)管原因，無法使用現(xiàn)金及優(yōu)惠券獎品促進成交成榜，一定程度上減少了活動的數(shù)量框舔。

我們試著拆解出可能的因果關(guān)系：

拆解完畢后先不進行辯證，而是先對因果關(guān)系進行枚舉：

枚舉完畢后，辯證時提問3個問題：

1）原因是否真實刘绣？

2）結(jié)果是否真實

3）這個原因一定會引起這個結(jié)果嗎钳垮？是否有其他的原因？

在上述的案例中假設(shè)原因和結(jié)果都為真额港，套入第3點做出以下提問：

1）使用現(xiàn)金及優(yōu)惠券獎品，一定會使成交效果更好嗎歧焦，是否有其他的方式移斩？

2）不使用這2種獎品，活動一定不能做嗎绢馍，是否有其他的獎品向瓷？

3）活動沒法做，一定不能促進成交嗎舰涌，是否有其他的方式猖任？

看到這里，我們會發(fā)現(xiàn)這些原因只是結(jié)果的必要不充分條件瓷耙。

在推理中朱躺，論證完畢也不應(yīng)蓋棺定論。

我們應(yīng)先對結(jié)論提出假設(shè)搁痛，并設(shè)計實驗或采取其他的手段驗證假設(shè)长搀，最終驗證后的結(jié)果才是真正的結(jié)論。

04?逆向思維法

“反過來想鸡典，總是反過來想源请。”— — 查理·芒格

逆向思維彻况，同時具有聚焦和發(fā)散兩種作用谁尸。

聚焦，是以終為始纽甘，問題樹中的“自上而下”拆解是其表現(xiàn)形式之一良蛮。

發(fā)散，是因為從正向思考變?yōu)槟嫦蛩伎己酚伎剂?xí)慣的改變能夠開拓我們的思路背镇，并幫助我們補全邏輯。

在數(shù)據(jù)分析中泽裳，我們能夠怎么使用逆向思維呢瞒斩？

個人總結(jié)的逆向方法如下：

1）主賓反轉(zhuǎn)

正向：用戶購買商品數(shù)量提升了，為什么涮总？

逆向：商品被用戶購買的數(shù)量提升了胸囱，為什么？

從用戶出發(fā)并沒有錯誤瀑梗，從商品出發(fā)能幫助我們補全分析的維度烹笔。

2）謂語反轉(zhuǎn)

正向：活躍度降低了裳扯，分析用戶進入活動入口

逆向：活躍度降低了，分析用戶的跳出原因

同樣是活躍度降低谤职，”進入“這個詞會從入口出發(fā)饰豺，分析其流量情況。從”跳出“出發(fā)允蜈，則會從交互冤吨、設(shè)計層面出發(fā)分析。

3）次序反轉(zhuǎn)

正向：引導(dǎo)用戶成交饶套，捐款后獲得獎品

逆向：給予用戶獎品后漩蟆，引導(dǎo)用戶成交

這里的逆向主要是為了開拓思路，并不是說要直接給予用戶獎品妓蛮。在開拓思路后進一步延伸怠李，方案可以調(diào)整為，給予用戶部分獎品蛤克，成交后再給予另一部分捺癞。

小結(jié)

校正方向，使用目標(biāo)思維构挤；分解問題和提出假設(shè)翘簇，使用結(jié)構(gòu)化思維；邏輯推理用于論證儿倒，而逆向思維則用于補全我們的邏輯版保。

良好的邏輯思維，結(jié)合領(lǐng)域知識能夠幫助我們快速形成不同領(lǐng)域的方法夫否，并解決問題彻犁。

二、數(shù)據(jù)分析的方法

01 ?數(shù)據(jù)分析前的準(zhǔn)備

數(shù)據(jù)分析前的準(zhǔn)備過程凰慈，在我看來比實際的分析更為重要汞幢。

假設(shè)目標(biāo)是錯的，我們就不應(yīng)該執(zhí)行微谓。而目標(biāo)不同森篷，分析類型和分析內(nèi)容也不同，同時執(zhí)行多個方向豺型，很容易使自己陷入混亂仲智。

1-1、定義目標(biāo)姻氨，辨別指標(biāo)

數(shù)據(jù)分析钓辆，能幫助我們了解業(yè)務(wù)運行狀況，并從中發(fā)現(xiàn)問題、優(yōu)化問題前联。其次功戚，還能夠幫助洞察下一個增長點。

但數(shù)據(jù)分析的意義似嗤，往往在數(shù)據(jù)產(chǎn)生之前啸臀。我們應(yīng)圍繞產(chǎn)品目標(biāo)，進行產(chǎn)品設(shè)計以及運營策劃烁落。如果最開始的目標(biāo)及指標(biāo)設(shè)置錯誤乘粒，后續(xù)的工作將難以為繼。

目標(biāo)是結(jié)果顽馋，而指標(biāo)是對結(jié)果分拆的具體要求，是對目標(biāo)的衡量幌羞。

假設(shè)我們的目標(biāo)是提升年度成交金額寸谜，那衡量這個目標(biāo)的方法是什么呢？

根據(jù)衡量的方法我們才能定向的設(shè)置調(diào)整產(chǎn)品設(shè)計及運營策略属桦。如果缺少可衡量目標(biāo)的單位和方法熊痴，目標(biāo)會難以達(dá)成。

而圍繞目標(biāo)設(shè)置數(shù)據(jù)的采集方案聂宾，可以大大節(jié)省數(shù)據(jù)過濾和清洗的時間果善。

甚至于在明確指標(biāo)后再最開始就設(shè)置好分析模型，通過監(jiān)測模型中的數(shù)據(jù)情況更及時的發(fā)現(xiàn)問題系谐，做出更高質(zhì)巾陕、高效的決策。

1-2纪他、辨別指標(biāo)的目的

辨別了目標(biāo)和指標(biāo)鄙煤，下一步則是運用結(jié)構(gòu)化思維進行拆解、延伸茶袒。

在拆解之前梯刚，需要對自己提問：拆解出的指標(biāo)目的是什么？根據(jù)目的我們才能有傾向性的分析薪寓。

根據(jù)指標(biāo)目的亡资，可以分為結(jié)果指標(biāo)、過程指標(biāo)以及觀察指標(biāo)向叉。

結(jié)果指標(biāo)用于衡量目標(biāo)锥腻，過程指標(biāo)用于體現(xiàn)如何完成。觀察指標(biāo)則指的受影響指標(biāo)母谎，其是否會受到自變量（結(jié)果指標(biāo)）的影響旷太，導(dǎo)致上升或下降。

在上圖中，基于成交訂單數(shù)供璧，設(shè)置過程指標(biāo)為訂單平均金額及商品分布能幫助我們了解完成的方式存崖。

而觀察指標(biāo)的設(shè)置，是為了跳出框架思考睡毒。

上圖的用戶付費率来惧，可以監(jiān)測成交訂單數(shù)上升，是否帶動用戶付費率的上升演顾，從而判斷是局部還是整體上升供搀；而成交深度及ARPU/LTV則可以幫助我們考察下一個增長點是什么。

在設(shè)置結(jié)果指標(biāo)時钠至，除了核心指標(biāo)葛虐，還應(yīng)輔以制衡性指標(biāo)，它的目的是希望核心指標(biāo)完成的更為健康棉钧。

核心指標(biāo)和制衡性指標(biāo)所延展的過程屿脐、觀察指標(biāo)是不同的。

1-3宪卿、確認(rèn)分析類型

完成了目標(biāo)和指標(biāo)的設(shè)置的诵，接下來是對每個指標(biāo)進行細(xì)化分析，分析類型包含：描述性分析佑钾、預(yù)測性分析和規(guī)范性分析西疤。類型不同，作用也不同休溶。

1）描述性分析

表現(xiàn)形式：數(shù)據(jù)報表

數(shù)據(jù)報表能夠幫助我們描述事件發(fā)展的情況代赁，但很難解釋某種結(jié)果發(fā)生的原因和未來可能的趨勢。

它更偏向結(jié)果性的描述兽掰，此前的結(jié)果對此后是不具備太多參考意義的管跺。

2）預(yù)測性分析

表現(xiàn)形式：用戶相似度及物品相似度計算、用戶購買飽和度禾进、用戶成交影響因子

預(yù)測性分析可以理解為對結(jié)果和變量的關(guān)系進行預(yù)測的過程豁跑，包含相似度、相關(guān)性分析泻云、回歸分析等艇拍。

相似度多用于推薦算法，通過計算用戶的相似度和商品相似度從而推薦給用戶宠纯。而相關(guān)分析用于預(yù)測變量的關(guān)聯(lián)性卸夕，如用戶的成交會受什么因素影響。

3）實證性分析及規(guī)范性分析

表現(xiàn)形式：A/B實驗

實證性分析婆瓜，指是什么快集，偏向于客觀贡羔；規(guī)范性分析指應(yīng)當(dāng)做什么，偏向于主觀个初。

在實際使用過程乖寒，上述的4種分析類型常常會被混合使用，混合使用時應(yīng)明確不同類型我們應(yīng)采取的分析維度院溺。

數(shù)據(jù)分析是有順承關(guān)系的楣嘁，先采集事實，再根據(jù)事實或者預(yù)測珍逸，提出我們的假設(shè)逐虚。逐步灰度地驗證假設(shè)，最終才輸出我們的結(jié)論谆膳。

不能將主觀猜測強加于事實之上叭爱，已經(jīng)發(fā)生的結(jié)果并不一定是未來的結(jié)果

02 數(shù)據(jù)分析如何帶來長期價值

學(xué)習(xí)了方法，做好了準(zhǔn)備漱病，終于進入了分析的環(huán)節(jié)买雾。

筆者此前面向的數(shù)據(jù)分析，常常是“一錘子買賣”缨称，花了很大的力氣采集數(shù)據(jù)卻沒有了下文凝果。

為了使有用功更多祝迂，下文將從用戶和收益2個維度分享數(shù)據(jù)如何為我們沉淀長期價值睦尽。

2-1、了解我們的用戶

這一步是為了讓我們知道完成指標(biāo)的用戶是誰型雳，常常以產(chǎn)品的會員體系作為切入點当凡。會員體系越清晰，分析效果越好纠俭。

本節(jié)將以電商產(chǎn)品為例沿量，和各位分享如何基于用戶的延伸分析。

1）基礎(chǔ)信息

基礎(chǔ)信息冤荆，指用戶本身的屬性朴则。

身份特征，可以從自然屬性钓简、社會屬性向下細(xì)分乌妒，包含用戶的性別、年齡外邓、職業(yè)撤蚊、教育等。

渠道屬性损话，指用戶的注冊時間侦啸、注冊平臺槽唾、注冊來源等。

2）決策類型

決策類型光涂，主要分為決策周期庞萍、品類偏好、促銷偏好顶捷、對象偏好挂绰，這是用戶分析中常常被忽略的一方面。

決策周期中的首次訪問服赎，指的首次觸及該商品的時間葵蒂。結(jié)合次數(shù)、時長以及成交時間重虑，從而了解用戶的決策周期践付。

品類偏好，結(jié)合品牌和歷史成交單數(shù)缺厉，能夠幫助我們獲悉品牌永高、價格綜合對用戶的影響。

而成交品類提针、商品命爬、單數(shù)則是幫助我們理解其品類購買深度及路徑，用于進行關(guān)聯(lián)推薦和評判用戶的價值辐脖。

促銷偏好饲宛，結(jié)合品類和折扣金額了解用戶的敏感度，能更好的提高其轉(zhuǎn)化率嗜价。對象偏好艇抠，同樣是了解購買深度及路徑，不過維度不同久锥。

在用戶層面的分析家淤，此前接觸的一些朋友都非常熱衷于使用RFM模型，在使用過程中也應(yīng)“因地制宜”瑟由。

3）購買路徑

品類深度絮重、對象深度是影響決策類型的因子，當(dāng)它們在購買路徑時則聚焦于次序歹苦。

根據(jù)次序青伤，制定運營的發(fā)力點，再遵循用戶的購買路徑制定轉(zhuǎn)化路徑暂氯。

在用戶分布相對穩(wěn)定的前提下叉钥，應(yīng)順從用戶的購買規(guī)律而非傾力于另一條主線掌逛。

一專多強的前提是專畏线，只有聚焦優(yōu)勢品類或主題建立了優(yōu)勢，才能為其他的方向供應(yīng)炮彈究流。

4）增長觀察

前面解決的問題是：他是誰，買什么以及怎么買动遭。最后一點芬探，則是增長觀察。

購買路徑聚焦于次序厘惦，增長觀察聚焦于深度偷仿。購買的次序是運營的主線，購買的深度用于精細(xì)化運營宵蕉。

了解用戶在品類和對象的購買深度酝静，再輔以ARPU與LTV的比對，從用戶的剩余潛力尋找平臺增長點的方式羡玛。

2-2别智、建立你的用戶模型

了解用戶的下一步，是建立用戶模型稼稿。

在一次交流會上薄榛，前輩阿翹對我提問：“你所負(fù)責(zé)的產(chǎn)品，用戶畫像是怎么樣的让歼？”

當(dāng)時我把平臺用戶的地域敞恋、年齡、性別等分布介紹了一番谋右。緊接著他提問：“根據(jù)這樣的畫像你能夠做什么呢硬猫？”

再后來，我才學(xué)會了把數(shù)據(jù)聚合成特征倚评，把特征集合成模型浦徊。

基于對用戶的認(rèn)識建立模型馏予，以上一小節(jié)的決策模型為例天梧。

將決策類型、品類偏好霞丧、對象偏好呢岗、促銷偏好4個因子的關(guān)聯(lián)，并輔以用戶的基礎(chǔ)信息進行組合蛹尝。

如：“精打細(xì)算后豫、專注大牌、疼愛孩子的母親”突那。

這樣一來冰冷的數(shù)據(jù)也被賦予了情感化的表達(dá)挫酿，無論是產(chǎn)品設(shè)計、交互設(shè)計愕难、產(chǎn)品運營都會變得容易的多早龟。

建立起用戶模型惫霸，才能夠更好地進行情感化設(shè)計、精細(xì)化運營葱弟。

2-3壹店、分析與收益相關(guān)的行為

收益，常用成交或ROI進行衡量芝加。那我們怎么判斷與收益相關(guān)的行為呢硅卢？有關(guān)程度又有多高？

判斷相關(guān)性及其程度時藏杖，使用的方法是：相關(guān)性分析将塑。

相關(guān)性分析主要用于：

a、判斷兩個或多個變量之間的統(tǒng)計學(xué)關(guān)聯(lián)蝌麸；

b抬旺、如果存在關(guān)聯(lián)，進一步分析關(guān)聯(lián)強度和方向祥楣。

根據(jù)數(shù)據(jù)的類型不同开财，所采取分析方法不同。

關(guān)于收益及影響收益的行為误褪，二者都屬于無序分類變量责鳍，此類數(shù)據(jù)的分析方法是卡方校驗。

卡方檢驗兽间，用于統(tǒng)計樣本的實際觀測值與理論推斷值之間的偏離程度历葛，如果卡方值越大，實際觀測值與理論推斷值偏差程度越大嘀略。

反之恤溶，二者偏差越小帜羊；若兩個值完全相等時咒程，卡方值就為0，表明理論值完全符合讼育。

在實際分析時帐姻，會先進行假設(shè)，并通過計算判定其假設(shè)成立的概率從而反推其不成立的概率奶段。

以判定關(guān)注與成交行為是否有關(guān)為例饥瓷，介紹卡方校驗。

1）提出假設(shè)假設(shè)：關(guān)注與成交無關(guān)

2）計算實際觀測數(shù)據(jù)及理論推測數(shù)據(jù)將關(guān)注及成交的相關(guān)數(shù)據(jù)進行統(tǒng)計痹籍，可得出下表：

根據(jù)表格呢铆，可計算出綜合的成交率等于58.3%。

假設(shè)關(guān)注與成交行為無關(guān)蹲缠，成交率應(yīng)不隨關(guān)注行為變化而變化棺克，或數(shù)據(jù)抖動較小鳖宾。

將觀測的成交率代入原表，并得出理論推斷值逆航。

完成了這一步鼎文，就可以進行卡方檢驗的計算了。

3）卡方校驗計算

繼續(xù)代入公式

當(dāng)我們計算出卡方值時因俐，可以初步判定由于卡方值較大拇惋，實際觀測值與理論推斷值差異較為明顯，原假設(shè)關(guān)注與成交無關(guān)成立的可能性是比較小的抹剩。

4）計算自由度及P值

而到了判定可能性具體的程度撑帖，則是根據(jù)P值（用于判斷判定假設(shè)檢驗結(jié)果）進行校驗，P值越小澳眷，原假設(shè)關(guān)注與成交無關(guān)的概率也越小胡嘿。

由于其自由度等于1，結(jié)合卡方值再查詢卡方分布表可得P＜0.01钳踊，所以原假設(shè)成立的可能也越小衷敌，即關(guān)注與成交有關(guān)的概率非常大。

在實際使用時拓瞪，同樣的也須兼顧樣本和觀測時間周期缴罗，樣本包含準(zhǔn)確性和數(shù)量，觀測時間周期則用于分辨其抖動性祭埂。這2者較為基礎(chǔ)也就不過多描述了面氓。

相關(guān)性分析，用于代表相關(guān)程度蛆橡，只能說明有關(guān)但并不能說明因果性舌界。

對變量之間的依賴關(guān)系進行定量關(guān)系及因果關(guān)系的研究，我們還會使用回歸分析進行計算泰演。但由于計算方式并非本文的重心呻拌，在此也不過多的贅述了。

本小節(jié)粥血，也有較多的概念概念并未在本文提及柏锄，此部分將附在文末酿箭。

小結(jié)

個人認(rèn)為數(shù)學(xué)方法是非常重要的領(lǐng)域知識复亏，很多時候不是不會數(shù)據(jù)分析，而是不知道使用什么方法分析缭嫡。因為不曾見過缔御，所以也未曾往陌生的方向思考。

遇到這樣的問題時妇蛀，先運用逆向思維確認(rèn)分析目標(biāo)耕突，其次再進行結(jié)構(gòu)化的拆解笤成，再逐層學(xué)習(xí)分析時應(yīng)該使用的方法。

若時間寬裕眷茁，還是建議閱讀統(tǒng)計學(xué)相關(guān)的書籍炕泳。耐下性子閱讀，工具書的收益會比大部分同領(lǐng)域的文章都大上祈。

寫在最后

這篇文章寫完培遵，前后花了大半年時間的《產(chǎn)品經(jīng)理的能力模型》專題也就結(jié)束了。

下一個階段登刺，專欄將更垂直于產(chǎn)品運營籽腕。也由于今年的重心是學(xué)習(xí)，本就不快的發(fā)文頻率可能會再次減緩纸俭，也請多多擔(dān)待皇耗。

參考資料

1、相關(guān)性分析

https://zhuanlan.zhihu.com/p/94070722

2揍很、數(shù)據(jù)的類型

https://blog.csdn.net/weixin_34203832/article/details/88687669

3郎楼、統(tǒng)計學(xué)——卡方檢驗和卡方分布

https://blog.csdn.net/snowdroptulip/article/details/78770088

4、自由度計算

https://www.cnblogs.com/mahailuo/p/10932026.html

5窒悔、什么是P值

https://baike.baidu.com/item/P%E5%80%BC/7083622?fr=aladdin

6箭启、什么是A/B測試

https://www.zhihu.com/question/20045543

7、回歸分析

http://www.reibang.com/p/bbe0c702b5ad