前言
互聯(lián)網(wǎng)人每天都在和各式各樣的數(shù)據(jù)打交通，數(shù)據(jù)分析已經(jīng)成為互聯(lián)人的通用技能茄螃。產(chǎn)品經(jīng)理通過數(shù)據(jù)分析來挖掘用戶需求气筋，迭代產(chǎn)品功能拆内；運營通過數(shù)據(jù)分析，發(fā)現(xiàn)問題宠默，調(diào)整運營手段和節(jié)奏矛纹；市場通過數(shù)據(jù)分析辨別各渠道資源的效果，實現(xiàn)低成本獲客光稼。今天或南，這一篇主題主要來介紹五個常見的數(shù)據(jù)分析方法。
01 對比分析
對比分析方法應(yīng)該是大家在日常工作中最高頻率使用的方法艾君，通常用來評估核心數(shù)據(jù)指標的好壞采够。
使用這個方法之前，我們需要思考以下幾個維度：
以我自己的業(yè)務(wù)為例（游戲分發(fā)平臺）冰垄，如果目前核心KPI為流水蹬癌，那么對比分析方法可以運用到每日的流水分析場景中。
它屬于「絕對值」，基于「自己」的對比對象逝薪，進行「環(huán)比」「同比」比較隅要。具體可以表現(xiàn)為以下這個表格：
02 多維度拆解
多維度分析方法和對比分析方法一樣，也是日常工作中較為高頻的使用方法之一董济。通常用來對核心指標進行進一步拆解步清，幫助完成核心指標優(yōu)化。
多維度拆解通常有以下兩種方法：
1. 從指標構(gòu)成和比例進行拆解
舉例：針對某款付費手游來說虏肾，我們可以把流水拆解為：
流水=新增用戶量*留存率*付費率*ARPPU
我們可以從新增用戶量廓啊、留存率、付費率封豪、ARPPU進行拆解谴轮。如果某一天流水降低，我們可以看是由于其中哪個指標引起吹埠。假設(shè)流水降低是因為新增用戶量降低引起第步，針對新增用戶量，我們可以進一步拆解從渠道1新增用戶量缘琅、渠道2新增用戶量雌续、渠道N新增用戶量進行拆解，方便定位原因胯杭。
2. 還原行為發(fā)生時的具體場景
舉例：比如發(fā)現(xiàn)某一詳情頁跳轉(zhuǎn)成功率低
這個指標很難通過構(gòu)成驯杜、比例進行進一步拆解。所以我們可以還原行為發(fā)生時的具體場景做个，比如從用戶是否處于WIFI或者4G環(huán)境下進行拆解鸽心，看是否因為這批用戶網(wǎng)絡(luò)情況差造成。
03 漏斗分析
漏斗分析也是常見的分析方法之一居暖，比較適用于有明確的業(yè)務(wù)流程顽频、業(yè)務(wù)目標，跳轉(zhuǎn)關(guān)系不是特別紛繁復(fù)雜的業(yè)務(wù)太闺。漏斗分析能夠幫助我們發(fā)現(xiàn)問題糯景，優(yōu)化業(yè)務(wù)流程，提升「比例值」相關(guān)的指標省骂。
還是以自己的業(yè)務(wù)為例（游戲分發(fā)平臺）蟀淮，統(tǒng)計一款游戲在平臺中分發(fā)的情況，可以根據(jù)業(yè)務(wù)流程拆分出以下漏斗環(huán)節(jié)：
然后我們可以對比這款游戲是否在某一個轉(zhuǎn)換環(huán)節(jié)低于總體平均值钞澳，比如素材曝光-素材點擊的點擊率為10%怠惶，如果低于均值，我們就可以考慮更換素材來提升該環(huán)節(jié)轉(zhuǎn)化率轧粟。
這里推薦一個比較實用的繪制漏斗的在線工具：
https://g2.antv.vision/zh/examples/funnel/funnel#pyramid
漏斗分析還有幾個坑要特別提醒：
1策治、要根據(jù)產(chǎn)品形態(tài)選擇一定的時間窗口脓魏，太長容易包含了太多無關(guān)信息，太短容易遺漏一些有用信息通惫。
2茂翔、嚴格遵守漏斗順序，不要隨意更換履腋。
3珊燎、漏斗分析可以根據(jù)事件，也可以根據(jù)用戶府树，但是要保持前后一致。
4料按、確保結(jié)果數(shù)據(jù)為單一漏斗產(chǎn)生奄侠，無其它路徑。
04 路徑分析
漏斗分析和路徑分析的區(qū)別在于载矿，路徑分析更適合于用戶行為沒有那么明確垄潮，我們只知道用戶的起點或終點，所以我們需要使用路徑分析方法闷盔。
路徑挖掘怎么使用弯洗？逐級展開某一事件的前一級（后一級）事件，觀察其流向逢勾。一般情況下牡整，該方法強依賴于三方平臺，神策分析溺拱、GA（Google Analytics）都有支持相關(guān)路徑挖掘的相關(guān)分析功能逃贝，GA主要是在行為-行為流這個功能中。
以下案例來源于：神策分析平臺
中商惠民（中國最大的社區(qū) O2O 服務(wù)平臺）：啟動 APP 后迫摔，為何只有 30% 商超客戶交易成功沐扳？
為解決這一問題，可以針對「客戶購買路徑」選取若干事件句占，進行深度分析沪摄。上圖顯示，用戶登錄 APP 后纱烘，約有 40% 的客戶會點擊 Banner杨拐，30% 的客戶會直接進行商品搜索，約 10% 的用戶會瀏覽商品列表擂啥，約 5% 的客戶直接退出 APP戏阅。
進一步看 4 類用戶的提交訂單的情況，直接進行“搜索商品”的用戶進行提交訂單比例最高啤它，超過 90%奕筐；與其形成鮮明對比的是舱痘，盡管“點擊 Banner ”是更多客戶登錄 APP 后的首選動作（約占總客戶的 40%）但是這部分用戶群體在瀏覽商品列表后，僅僅 30% 的用戶提交訂單离赫，說明 Banner 內(nèi)容布局有著比較糟糕的用戶體驗芭逝，則將此作為首選優(yōu)化與改進的方向。
05 精準留存分析
觀察產(chǎn)品長期留存時（比如30日留存）渊胸，我們通常會這樣計算：30日留存=第2天~第30天去重后/第1天*100%旬盯。但是30天內(nèi)，變因太多翎猛，產(chǎn)品胖翰、運營、技術(shù)切厘、市場等每個環(huán)節(jié)都會對留存造成影響萨咳。所以，這里需要我們使用精準留存分析的方法來解決這一問題疫稿。
精準分析方法怎么使用培他？計算精準留存——過濾進行過指定行為的用戶ID，將用戶分為不同群體后遗座，觀察其留存之間的差別舀凛。
以下案例來源于：神策分析平臺
即刻（內(nèi)容分發(fā)平臺）的用戶可以分為三種類型：路人行為（如瀏覽帖子）、圍觀行為（點擊并查看評論）途蒋，參與行為（點贊猛遍、轉(zhuǎn)發(fā)、發(fā)布評論）号坡。通過留存分析螃壤，我們可以去計算每一類行為用戶的留存情況。
上圖反映筋帖，用戶行為深度越深奸晴，留存越高。但是由于參與行為門檻過高日麸，落地性較弱寄啼，所以可以通過轉(zhuǎn)化更多用戶成為圍觀用戶，來提升全站留存代箭。比如：產(chǎn)品信息流列表頁露出一條熱評墩划，讓更多用戶查看評論并點擊。
本期介紹了《五個數(shù)據(jù)分析方法》嗡综，當然不同的業(yè)務(wù)形態(tài)會遇到各式各樣的數(shù)據(jù)問題乙帮，可能還可以使用到更多方法：比如用戶分群分析、分布分析极景、屬性分析等方法察净。建議遇到實際業(yè)務(wù)問題再去思考合適的分析方法驾茴。下一期是數(shù)據(jù)分析章節(jié)的最后一篇內(nèi)容，會重點講講產(chǎn)品運營人必須掌握的數(shù)據(jù)工具和技能有哪些氢卡。
