最實用的6種分析思路「數據分析思路包括哪些」

1. 新上線某個產品，需要監控轉化率效果，既要看總體情況，也要看細分渠道；
2. 策劃營銷活動，預算有限，要看看選擇哪些目標用戶群、採用哪種方案帶來的銷量更高(更能拉動KPI)；
3. KPI又出現較大波動，待會領導估計要問起來，趕緊分析數據找原因；

今天我們來看看分析思維怎麼解決這些問題，6種思路幫你忙。

01

流程

行動步驟

1. 商業理解：確定業務目標，評估現有資源，確定分析目標，制定解決方案；

2. 數據理解：數據採集，探索分析，數據質量驗證；

3. 數據準備：篩選數據，數據清洗，整合數據，變量衍生；

4. 建立模型：模型選擇，檢驗設計，模型建立，結果評估；

5. 模型評估：分析結果和業務目標匹配度確認，檢查1-4步的執行過程，確定下一步行動；

6. 結果部署：規劃部署方案、監控和維護方案，輸出項目報告，項目復盤；

04

左中括號

分步轉化

左中括號

要連續完成多個步驟，有的人“淺嘗輒止”，有的人“半途而廢”，有的人則是“善始善終”。

產品轉化的每個步驟都會有用戶流失，好比100個人參加有9個關卡的淘汰遊戲，每個關卡會淘汰10個人，整個遊戲最終會剩下10個獲勝者，把這個遊戲看作產品，那麼該產品的全流程轉化率就是10%。

03

左中括號

閉環迭代

左中括號

一般的閉環流程包括3部分：事前方案規劃，事中執行監控，事後復盤總結。

事前：確定目標，選定用戶，制定方案，確定檢驗標準等；

事中：實時數據監控(是否達到預期)，不同方案賽馬，備用方案啟用等；

事後：對整個流程復盤，總結經驗，CSS歸類(Continue做先前已驗證的正確的事，Stop做錯誤的事，Start做新的正確的事)

常用的閉環迭代框架是PDCA，通過計劃(P)、實施(D)、檢查(C)、總結(A)4個步驟，循環迭代，螺旋上升。

另外還要注意，在使用流程化思維時，除了常見的正向思考，也要逆向思考。

02

分類

互聯網時代最核心的經營理念是深耕客群，通過差異化運營提升ARPU值(Average Revenue Per User，每用戶平均收入)，而分類無疑是開展這項工作的重要前提。

二分法，非此即彼，e.g. 網站新客、老客，貸款審批結果分為通過申請、拒絕申請等；

並列分類，多個分類(子集)構成一個全集，e.g. 用戶地域可以按省份劃分，按年齡可以將用戶分為70後、80後、90後、00後等，女性用戶群體可以分為時尚麗人、都市白領、家庭主婦等；

等級分類，e.g. 會員等級——鐵牌、銅牌、銀牌、金牌、鑽石、皇冠，城市等級——一線、二線、三線、四線；

矩陣象限，e.g. 波士頓矩陣，RFM象限

03

對比

對比就是找一個參照點，來發現兩個數據間的差異量Δ大小如何。

對比可以分為兩類：橫向對比、縱向對比。

01

左中括號

橫向對比

左中括號

和同類(競品)比較，對比不同品牌的女裝的銷售情況，不同銷售渠道(地區)的交易情況；

實驗對比，設置實驗組和對比組，對比兩組或多組之間的差異，以確定人為干預(實驗、方案)的效應。

和整體比較，e.g. 華東地區的銷售情況和全國總體銷售比較；

做組間比較時，一定要確保樣本的可比性(無論是在數量級還是在群體結構上)，e.g. 對比兩個時間段的交易情況，建議剔除掉大促和節假日(這些交易日的數據波動很大)。

02

左中括號

縱向對比

左中括號

橫向是和其他對象比較，縱向則是和自己的歷史數據對比。

常見的縱向對比有同比和環比，對比的周期根據實際情況可以按日、周、月、季、年等。

04

關聯

看數據指標不要只看一個“點”，還要看一條“線”上的前後連接的環節，進而從“面”或“體”的角度去看整個大環境中都有哪些因素相互作用。

對現象的分析可以參考簡單的調節模型：

其中：X是自變量，Y是因變量，M是調節變量。

尋找關聯關係時，不僅僅要找出對Y有直接影響的X(一個或者多個)，還要找出影響X對Y作用的調節因素M。

05

層級

要有結構化、系統化的思維，對影響因素進行拆解組合。

可以理解為“分級鑽取”，如同金字塔結構一樣，先從總體看到二級分支，然後再看更細的分支。

e.g. 支付成功率的影響，可以對新老客、訂單來源、支付方式、銀行通道一層一層拆解，細化各個分支對整體變化的貢獻率；

06

優化

分析的最終目標無非兩種：尋找解決方案，尋找更好的解決方案。第一步是保證數據的準確性和穩定性，第二步就是優化，提高準確性、提高效率和效益。

優化包含兩部分的內容：縮小當前和目標的差距，直到達成並超越目標；在成本或者預算固定的前提下，使收益最大化。