掌握這5個常用資料分析方法，做分析不再沒思路 - 數據分析 ...

對比分析顧名思義就是將兩個或兩個以上的資料進行比較，分析它們之間的差異，從而發現資料的變化情況和規律。

對比分析法分為靜態比較和動態比較兩類，用來判斷某個資料是好 ... GetstartedOpeninapp數據分析那些事SigninGetstarted8.3KFollowersAboutGetstartedOpeninapp掌握這5個常用資料分析方法，做分析不再沒思路數據分析那些事Apr17,2020·8minread想必做過資料分析的同學一定接觸過很多分析方法，比如漏斗法，同期群，A/B測試等等。

並且由於不同版本的演繹，造成了分析方法種類繁多，令人眼花繚亂，甚至高深莫測。

其實真不用把分析方法看的太高大上了，所有的分析方法總結起來就兩種：分類和對比，分類和對比，分類和對比，重要的事情說三遍，並且大部分的分析方法都是這兩者的結合為什麼說資料分析就是分類和對比呢？拿我孩子來舉例子，小傢伙3歲多了，他現在就會用分類和對比來做資料分析了。

一天媽媽給他拿了一塊奶糖和一塊巧克力，問他選哪個，小傢伙猶豫了1分鐘，最後選了德芙巧克力；第二天媽媽給他拿了兩塊奶糖和一塊巧克力，問他選哪個，小傢伙又猶豫了1分鐘，但這次他選擇了兩塊大白兔奶糖。

其實這兩次選擇的過程，小傢伙都做了分類和對比。

他首先把奶糖和巧克力分成了兩類，並沒有混為一談，否則就不會猶豫那麼長時間了。

然後再去做對比，第一次對比的結果是，一塊奶糖不如一塊巧克力好，所以選擇了一塊巧克力；第二次對比的結果是，兩塊奶糖是要比一塊巧克力好的，所以選擇了兩塊奶糖。

大家看看，一個3歲的小孩都是會做資料分析的。

當然，實際業務中的分析方法確實更加複雜，但歸納起來，也是這兩個方法的演繹。

我們先來看看最基礎的對比分析和分類分析是如何應用的：對比分析對比分析顧名思義就是將兩個或兩個以上的資料進行比較，分析它們之間的差異，從而發現資料的變化情況和規律。

對比分析法分為靜態比較和動態比較兩類，用來判斷某個資料是好還是壞，以及某幾個資料之間的差異性。

通過可視化的對比能讓結果更加清晰。

對比分析怎麼比呢？一般在資料分析中我們可以從這樣幾個角度進行對比時間對比：同比、環比、變化趨勢空間對比：不同城市、不同產品對比目標對比：年度目標、月度目標、活動目標使用者對比：新使用者vs老使用者、註冊使用者vs未註冊使用者等競品對比：管道、功能、體驗和流程、推廣和收入分類分析分類分析就是把分析物件總體中具有不同性質的物件區分開，把性質相同的物件合併在一起，保持各組內物件屬性的一致性、組與組之間屬性的差異性，以便進一步運用各種資料分析方法來揭示內在的數量關係，最終目的是為了方便對比，所以經常和對比分析法一起用分類分析一般有以下幾種分類方法：不同時間分組：日、周、月、年等不同產品類型分組：產品屬性；產品區域不同使用者類型分組：人口屬性（性別、年齡）；客戶價值；消費頻次不同渠道分組：線上渠道、線下渠道；付費渠道、免費渠道案例：在分析某App的留存率的時候發現有下降趨勢，為了更好的定位問題所在，對不同渠道的留存率進行了分組分析，通過分析發現留存率降幅明顯的是IOS渠道和應用市場渠道，且因為這兩個渠道的使用者量佔比最大，應該對於整體留存率的影響最大；再通過對這兩個渠道的訂單完成情況分析，發現接單情況對留存的影響最大，對於完成訂單接單時間越長留存越差，對於釋出訂單未接單率越高留存越差。

所以，目前應該提高接單率以及提升完成訂單的時效性。

瞭解了最基礎的分類和對比分析法，下面我就從分類對比的角度去幫助大家理解資料分析常用的5個方法：轉化漏斗分析、同期群分析、AB測試、使用者來源分析、矩陣分析轉化漏斗分析轉化漏斗分析是最常用的一種模型，也是增長黑客理論的基礎。

特別適合有交易型的業務最典型的例子就是電商行業。

獲得了多少新使用者（瀏覽），多少使用者被啟用（註冊），多少使用者還來光顧網站（留存），多少使用者購買了產品（收入），多少使用者幫助推廣（傳播）。

漏斗主要幫助我們解決在哪個環節使用者的流失最多轉化漏斗也是一個分類對比的過程。

分類是把使用者的行為過程分成了5個步驟，對比是看使用者在哪個步驟中流失嚴重。

比如使用者在註冊的階段流失嚴重，推測是不是註冊過程太繁瑣，體驗太差導致的，我們就可以對症下藥。

同期群分析同期群（cohort）分析在資料營運領域十分重要，特別是看產品改版後使用者整體的留存情況。

防止在一個時間點改版後，使用者留存率大幅下降卻沒有察覺。

所謂同期群分析方法，也就是將使用者按初始行為的發生時間進行劃分為群組（即同期群）。

然後對處於相同生命週期階段的使用者進行垂直分析，從而比較得出相似群體隨時間的變化的差異。

通過比較不同的同期群，可以從總體上看到，使用者表現是越來越好，還是越來越差。

從而驗證產品改進是否取得了效果這個模型的分類是按照時間視窗來分，對處於相同生命週期階段的使用者進行分類；對比就是比較不同群的使用者，在相同生命週期階段，表現有何差異。

橫向分類，縱向對比案例：9月份新增使用者10萬人，10月份新增使用者15萬人，但9月份新增使用者的30日留存使用者為1萬人，10月份新增使用者的30日留存使用者也為1萬人，哪個月的營運業績更好呢？通過同期群分析，我們可以發現9月份和10月份新增使用者的留存使用者是相同的，那麼9月份的留存率更高，從使用者質量角度考慮，9月份的營運成果更好，從有效使用者角度考慮，2個月的營運成果相同，從新增使用者角度考慮，10月份的營運成果更好。

同期群分析的目的在於透過現象找到結果，以時間維度建立同期群，除按時間維度考慮，也可以對來源渠道等維度建立同期群。

AB測試方法精益資料分析的主要思想之一，是不要一開始就做一個大而全的產品，而是要不斷做出能小而精的功能或者策略，並進行快速的驗證。

那如何快速驗證呢？主要方法就是AB測試比如：你發現漏斗轉化中有環節使用者流失嚴重。

假設是商品價格的問題，那麼策略就是改變定價。

但策略是否正確，要看真實的使用者反應，於是採用AB測試。

一部分使用者看到的是老價格，一部分使用者看到新價格，若策略管用，看到新價格的使用者應該有更好的轉化。

那麼就可以根據結果來確定是否採用新的價格。

這裡的分類就是把使用者分成實驗組和對照組，對比是什麼呢？就是這兩組使用者後期的表現。

通過對比兩組使用者的表現來判斷產品功能或者營銷策略是否有效使用者來源分析隨著流量紅利的消失，我們對獲客來源的重視度變高。

如何有效的標註使用者來源，至關重要。

傳統分析工具，渠道分析僅有單一維度，要深入分析不同渠道不同階段效果，SEM付費搜尋等來源渠道和使用者所在地區進行交叉分析，得出不同區域的獲客詳細資訊，維度越細，分析結果也越有價值這裡的分類就是就是不同的使用者來源渠道，對比是各個渠道的投入產出比，進而決定在哪個渠道加大投入，在哪個渠道縮減開支矩陣分析法矩陣分析法是指根據事物（如產品、服務等）的兩個重要屬性（指標）作為分析的依據，進行分類關聯分析，找出解決問題的一種分析方法，也稱為矩陣關聯分析法，簡稱矩陣分析法。

在做資源分配的時候非常有用矩陣分析法在解決問題和資源分配時，可以為決策者提供重要參考依據。

先解決主要矛盾，再解決次要矛盾，這樣有利於提高工作效率，並將資源分配到最能產生績效的部門、工作中常見的矩陣分析法有波士頓矩陣，SWOT矩陣等，這裡就簡單說一下波士頓矩陣模型，它主要思想就是在一個企業內，通過研究產品的市場佔有率和產品市場增長率，把企業現有產品劃分為不同的四種類型(明星，金牛，問題，瘦狗)，其實它也應用來組合分類的思想，比如上面這張圖就是根據兩個維度“需求增長率”和“市場佔有率”的組合把使用者分成了4類，這樣能夠一目瞭然的確定主次矛盾，進而進行資源優化。

回顧十週入門數據分析系列文：學習計劃｜帶你10周入門資料分析「我是文科生出身，可以學習資料分析嗎？」 「我沒有編程基礎，可以成為資料分析師嗎？」 「學習資料分析必須學習R和Python嗎？」 …… 其實，資料分析沒有想像中那麼難，入門也沒有那麼多條條框框。

…medium.com關注數據君的臉書：我是「數據分析那些事」。

常年分享數據分析乾貨，不定期分享好用的職場技能工具。

按贊我的臉書，會有豐富資料包贈送唷！數據分析那些事數據分析那些事.5.8Klikes.這是一個專注於數據分析職場的內容社群，聚焦一批數據分析愛好者，在這裡，我們每天都數據分析相關優質文章推送、互動環節以及每周熱點資訊分享，希望熱愛數據的你也可以加入我們！www.facebook.com數據分析那些事這是一個專注於數據分析職場的內容部落格，聚焦一批數據分析愛好者，在這裡，我會分享數據分析相關知識點推送、（工具/書籍）等推薦、職場心得、熱點資訊剖析以及資源大盤點，希望同樣熱愛數據的我們一同進步！臉書會有更多互動喔：https://www.facebook.com/shujvfenxi/Follow117117 117資料分析分析Morefrom數據分析那些事Follow這是一個專注於數據分析職場的內容部落格，聚焦一批數據分析愛好者，在這裡，我會分享數據分析相關知識點推送、（工具/書籍）等推薦、職場心得、熱點資訊剖析以及資源大盤點，希望同樣熱愛數據的我們一同進步！臉書會有更多互動喔：https://www.facebook.com/shujvfenxi/