編輯導語：數(shù)據(jù)分析是用適當?shù)慕y(tǒng)計分析方法對收集來的大量數(shù)據(jù)進行分析，將它們加以匯總和理解并消化，以求最大化地開發(fā)數(shù)據(jù)的功能，發(fā)揮數(shù)據(jù)的作用。本文作者分享了七種常見的數(shù)據(jù)分析方法拆解。推薦工作中需要數(shù)據(jù)分析的用戶閱讀。

數(shù)據(jù)分析一直是我們互聯(lián)網(wǎng)人辨別方向的不二法門，我們通過對數(shù)據(jù)的觀測來判斷事物的發(fā)展趨勢，也常常利用數(shù)據(jù)的思維來辯證的為決策做參考。

下面就給大家詳細拆解七種常見的數(shù)據(jù)分析，讓我們的數(shù)據(jù)分析少走彎路。

一、象限分析法

從這張圖，你能分析出來什么呢？

X軸從左到右是點擊率的高低，Y軸從下到上是轉(zhuǎn)化率的高低，形成了4個象限，這就是我們要說的象限分析法。針對每次營銷活動的點擊率和轉(zhuǎn)化率找到相應的數(shù)據(jù)標注點，然后將這次營銷活動的效果歸到每個象限，4個象限分別代表了不同的效果評估。

• 象限一：高點擊高轉(zhuǎn)化，點擊高代表營銷創(chuàng)意打動了受眾，轉(zhuǎn)化高代表被打動的受眾是產(chǎn)品的目標用戶；
• 象限二：高轉(zhuǎn)化低點擊，同樣的，高點擊代表被打動的受眾是產(chǎn)品的目標用戶，但低點擊代表的是營銷創(chuàng)意沒有打動用戶；
• 象限三：低點擊低轉(zhuǎn)化，這個象限是最糟糕的營銷活動了，投放廣告點擊少，點擊用戶轉(zhuǎn)化低，創(chuàng)意無效，用戶不精準；
• 象限四：高點擊低轉(zhuǎn)化，這個象限的營銷活動要給策劃和文案加雞腿，但就要給渠道扣績效了。這種象限的營銷活動一定程度上有標題黨的嫌疑。

1. 象限分析法的作用

（1）找到問題的共性原因

通過象限分析法，將有相同特征的事件進行歸因分析，總結(jié)其中的共性原因。例如案例中第一象限的事件可以提煉出有效的推廣渠道與推廣策略，第三和第四象限可以排除一些無效的推廣渠道；

（2）建立分組優(yōu)化策略

針對投放的象限分析法可以針對不同象限建立優(yōu)化策略，例如提升象限二的投放創(chuàng)意，象限四的投放渠道。

二、公式拆解法

1. 什么是公式拆解分析法

所謂公式拆解法就是針對某項指標，用公式表現(xiàn)該指標的影響因素，例如日銷售額的影響因素是各商品的銷售額，找到影響因素后，需要對影響因素的影響因素進行拆解。

看這張圖，以日銷售額為例做了一次公式拆解分析，這次拆解一共包括了5層，最后一層是對推廣效果的衡量。

第一層：找到日銷售額的影響因素：

日銷售額=各商品的銷售額之和，也可以拆解為各渠道的銷售額之和、各銷售人員的銷售業(yè)績之和。公式拆解分析法的第一步是需要確定要分析的指標，然后找到這個指標的直接影響因素。

第二層：找到各商品銷售額的影響因素：

各商品銷售額=銷售數(shù)量*單價。

第二層拆解需要找到影響目標指標的影響因素，例如各商品銷售額的影響因素是商品的銷量和單價，這里是簡單舉例算法，在實際分析中，還需要計算優(yōu)惠政策等因素。

第三層：找到銷售數(shù)量的構(gòu)成因素：

銷售數(shù)量=店鋪新客購買數(shù)量+店鋪老客購買數(shù)量+復購用戶購買數(shù)量。

這里對銷售數(shù)量的拆解是針對購買人群的特征來劃分的，這樣分析的目的在于找出不同客群的購買影響因素。而在實際應用中，因分析目的的不同，對指標影響因素的拆解也不同，例如銷售數(shù)量可以拆解為渠道A銷量+渠道B銷量+渠道C銷量。

第四層：找到新客的來源：

店鋪新客購買數(shù)量=渠道A轉(zhuǎn)化新客購買數(shù)量+渠道B轉(zhuǎn)化新客購買數(shù)量+渠道C轉(zhuǎn)化新客購買數(shù)量+……

這樣拆分的目的在于找出不同渠道來源用戶的后續(xù)轉(zhuǎn)化特征，從而找到購買力高的用戶來源渠道。

第五層：計算渠道推廣回報：

渠道推廣回報的計算方式就是A渠道新客銷售額-推廣成本。

從日銷售額拆解到最后一步，是拆解出了對渠道推廣效果的分析，這是對店鋪新客的拆解，那么同樣，也可以對店鋪老客或者復購客戶進行拆解，例如復購用戶可以拆解出復購周期、復購次數(shù)、累計復購數(shù)量等因素，對復購用戶給予特殊購買通道或提供有約束力的購買政策，例如年卡之類的。

公式拆解法是針對問題的層級式解析，在拆解之前，不能盲目拆解，需要有目的性的找方向，從而挖掘原因。例如在上文案例的拆解過程中，拆解方向可以分為兩種，一種是對績優(yōu)指標的拆解，找出銷售額上漲的原因，另一種是對績劣指標的拆解，找出銷售額下降的原因。

三、對比分析法

1. 什么是對比分析法

上面這張圖表是一個常見的柱狀圖，而柱狀圖的作用在于直觀對比各項數(shù)據(jù)之間的差異。

上面這張柱狀圖是針對9月份各渠道獲客統(tǒng)計的一個對比分析圖表，針對各渠道的下載量、訪問量、注冊量進行對比。

對比要點一：對比建立在同一標準維度上。

在這張圖中，首先要關(guān)注到的對比要點是各項數(shù)據(jù)的對比要基于同一維度。這張圖是針對9月份的渠道推廣效果的對比統(tǒng)計，9月份就是第一個對比標準，也就是時間維度。

在時間維度下，后續(xù)對比的結(jié)果都是基于這個標準產(chǎn)生的，也就是在9月份這個時間范圍內(nèi)的數(shù)據(jù)對比，并不能用10月份的數(shù)據(jù)與這個圖表中的數(shù)據(jù)對比。當然，除了時間維度，也可以使用空間維度，例如渠道A在1-12月每月的數(shù)據(jù)對比。無論用什么維度，對比要建立在一個大的標準下。

對比要點二：拆分出相關(guān)影響因素。

在時間這個大維度下，我們對各渠道的獲客效果進行了拆分，也就是將獲客效果衡量分為了訪問量、下載量和注冊量。這三個維度的數(shù)據(jù)作為判斷渠道獲客的標準，從對比中找出各渠道的優(yōu)劣。

例如通過這個圖表可以看出，渠道A的訪問量最高，渠道B的下載量最高，渠道A的注冊量最高，那么這樣的對比結(jié)果能夠說明什么問題呢？我們能夠看到，渠道A從訪問到下載的流失比較嚴重，渠道B從下載到注冊的流失比較嚴重，而渠道C在訪問量、下載量都低于其他渠道的基礎(chǔ)上，渠道C的注冊量與渠道A并沒有相差太多。

也就是說，我們可以提出一個假設(shè)，渠道C的獲客效果更好，為了印證這個假設(shè)，我們可以在影響因素中再加入渠道投放花費這個維度，如果渠道A的高訪問是因為高花費，渠道C的低訪問是因為低花費，那么基本可以印證這個假設(shè)。

對比要點三：各項數(shù)據(jù)對比需要建立數(shù)據(jù)標準。

在這張圖中能夠看到一個比較奇怪的現(xiàn)象，渠道B的下載量比訪問量還要高，為什么會這樣呢？

我們在這張圖表中加入了一個中間標準數(shù)據(jù)，對各項數(shù)據(jù)進行了一次標準換算。假設(shè)訪問量的真實數(shù)據(jù)為1萬是，標準數(shù)據(jù)為1，下載量的真實數(shù)據(jù)為1千時，標準數(shù)據(jù)為1，注冊量的真實數(shù)據(jù)為100時，標準數(shù)據(jù)為1。

經(jīng)過標準數(shù)據(jù)的換算，我們將各項數(shù)據(jù)放在一張圖表上時，對比的差異化會更明顯。

對比分析法的維度可以分為同比、環(huán)比、定基比等不同的對比方法：對比分析在于看出基于相同數(shù)據(jù)標準下，由其他影響因素所導致的數(shù)據(jù)差異，而對比分析的目的在于找出差異后進一步挖掘差異背后的原因，從而找到優(yōu)化的方法。

四、可行域分析

1. 什么是可行域分析

上方左側(cè)圖是一張福格模型的圖，福格大哥將影響用戶行為動機的因素拆分為mat三個因素。

m是付出行動的動機，a是付出行動的能力，t是觸發(fā)行動的條件，簡單理解就是大眾只對自己感興趣并且有能力滿足的事物會產(chǎn)生下一步行為。

比如新iphone賣1萬，大多數(shù)人是買的起的，這就有了付出行動的能力，而產(chǎn)生行為的動機就取決于新iphone的創(chuàng)新能力，當喬布斯從文件袋里掏出ipad的時候，將大家的動機調(diào)動到了最高點，但價格限制了一部分人付出行動的能力。

動機越高，需要付出的能力越低，形成的有效觸發(fā)區(qū)域就越廣，福格模型的觸發(fā)有效區(qū)，我們就將其稱之為可行域。

2. 可行域分析的應用

看上方右側(cè)圖表是針對推廣創(chuàng)意做的一次象限分析，橫軸代表點擊量的從低到高，縱軸代表轉(zhuǎn)化率的從低到高。

而點擊率代表的營銷創(chuàng)意的有效性，轉(zhuǎn)化率代表的是推廣渠道的精準性，在這張圖表上我們分成了4個象限，但同樣是高點擊、高轉(zhuǎn)化的象限中，也有具體數(shù)據(jù)的差別。諸葛io-專注于用戶行為分析首先我們看到2條紅色的曲線，在高點擊和高轉(zhuǎn)化的區(qū)域中我們畫了一條紅色曲線，這條曲線上方是“高可行域”，曲線下方是低可行域；而在低轉(zhuǎn)化與低點擊的象限中我們也畫了一條曲線，這條紅色曲線的下方是最不可行域。

什么意思呢？

其實就是對點擊率和轉(zhuǎn)化率的高低做了一個細化分層，點擊率和轉(zhuǎn)化率是每一次推廣創(chuàng)意的數(shù)據(jù)化表現(xiàn)，而畫出一個可行域，是對營銷活動的歸類。

那么這條曲線到底要畫在什么樣的數(shù)據(jù)標簽上？

這需要在實際分析工作中做總結(jié)，也就是說，可行域分析實際上是一種自己建立的數(shù)據(jù)分析模型，根據(jù)具體數(shù)據(jù)不斷修正調(diào)整可行域的范圍，對業(yè)務(wù)指標進行有效評價。

除了兩條紅色曲線外，還有兩條藍色曲線，一條是渠道可行域，另一條是創(chuàng)意可行域，這兩條曲線是對渠道有效性和創(chuàng)意有效性的評價，滿足相應區(qū)域條件的事件即可作為有效事件經(jīng)驗，為后續(xù)的運營增長提供支持。

五、二八分析法

經(jīng)濟學定律中說80%的財富掌握在20%的人手中，而在運營中可以發(fā)現(xiàn)，80%的貢獻度來自于20%的用戶。

這張圖中體現(xiàn)了2個法則，也就是二八法則和長尾理論，在數(shù)據(jù)分析中，建議將這個兩個理論合起來用。

但實際上呢，二八法則和長尾理論是相對的，二八法則告訴我們說，你要重視頭部用戶，也就是能產(chǎn)生80%收益的那20%的用戶或商品，而長尾理論告訴我們說要重視長尾效應，也就是剩余那20%的收益。

1. 在數(shù)據(jù)分析中二八法則的應用

在數(shù)據(jù)分析中，二八法則和長尾理論和應用于用戶分析和業(yè)務(wù)分析2個方面：

（1）20%的頭部用戶：憑什么那么優(yōu)秀

在用戶分析上，通過二八法則建立用戶分群，將所有用戶切割成一個又一個的實驗組，對實驗組的用戶進行單體特征分析，目的只有一個，同樣都是用戶，憑什么你們那么優(yōu)秀？

在數(shù)據(jù)分析中，單體分析與群體特征分析同樣重要，然而我們不可能對上萬的用戶進行個體分析，可能的是對頭部用戶進行個體行為分析，建立群體樣本。

在運營數(shù)據(jù)分析中，可以針對核心指標分別找到20%的用戶：

• 購買數(shù)量前20%的用戶
• 購物金額前20%的用戶
• 日訪問次數(shù)前20%的用戶
• 訪問頁面數(shù)量前20%的用戶
• 轉(zhuǎn)發(fā)次數(shù)前20%的用戶
• ……

也就是說，你想提升什么指標，就找到這個指標表現(xiàn)優(yōu)秀的用戶。那么20%的用戶也很多怎么辦呢？可以主動設(shè)置數(shù)據(jù)區(qū)間。

例如想要提升用戶的訪問時長，我們可以對頭部用戶的訪問內(nèi)容、路徑進行分析找到原因，20%的頭部用戶訪問時長從10分鐘到30分鐘不等，那么我們可以將頭部用戶的訪問市場切分為10分鐘、15分鐘、20分鐘、25分鐘、30分鐘，獲得不同的用戶組，從這個用戶組中找到相應的20%的用戶進行特征分析。

這里需要注意的是，同組20%用戶的特征提升只對同組剩余80%的用戶有效，例如訪問時長10-15分鐘的用戶中，頭部20%的用戶的行為特征可以對剩余80%的用戶起效，但對日訪問5分鐘的用戶效果并不大。

（2）20%的頭部業(yè)務(wù)：帶頭大哥的應有覺悟

針對業(yè)務(wù)分析的目的在于找到爆款內(nèi)容的特征。

例如資訊類產(chǎn)品中對閱讀量頭部文章的分析，一方面是對文章的特征進行分析，另一方面，是對閱讀用戶的分析。

爆款文章或商品背后，代表的是對大多數(shù)用戶興趣的滿足，充分喚起了用戶的行為動機，而在用戶分析中，我們需要進一步找到這部分用戶日常閱讀的頭部內(nèi)容，進行特征的延展分析。

六、假設(shè)分析法

1. 什么是假設(shè)分析法

舉個栗子：

“小明和媽媽買了10本書，正好花了100塊錢，書的單價有8塊錢和13塊錢2種，那么8塊錢的書和13塊錢的書各買了幾本？

解題思路：

首先，假設(shè)這10本書都是8塊錢買的，那么10本書一共是80塊錢，那還多出來20塊錢，是算錯賬了么？不是，顯然多出來那20是13塊錢1本的書多出來的。13塊錢的書比8塊錢的書每本多了5塊錢，20塊錢可以買4本，那么可以得出結(jié)論了，13塊錢的書有4本，那么8塊錢的書有幾本呢？

對了，6本。

這道6年級的數(shù)學題里就用到了假設(shè)法，假設(shè)所有書都是8塊錢，那么在數(shù)據(jù)分析中，什么是假設(shè)法呢？簡單理解，假設(shè)法是在已知結(jié)果數(shù)據(jù)，在影響結(jié)果的多個變量中假設(shè)一個定量，對過程反向推導的數(shù)據(jù)分析方法。

2. 假設(shè)法在運營分析中的應用

假設(shè)法在運營分析中最常見的有2種場景：

場景一：已知結(jié)果找原因，做過程變量假設(shè)。

例如：某內(nèi)容社區(qū)在11月份的發(fā)帖數(shù)相比10月份下降了20%，針對這個結(jié)果，該如何分析原因？

面對這樣一個無厘頭的問題，該怎么分析呢？結(jié)果數(shù)據(jù)是發(fā)帖數(shù)下降了20%，那么影響發(fā)帖數(shù)的有哪些因素呢？

我們可以將發(fā)帖數(shù)量按照用戶分層進行拆分，例如老用戶發(fā)帖數(shù)量和新用戶發(fā)帖數(shù)量，也可以按照具體發(fā)帖篇數(shù)進行拆分，例如發(fā)帖5篇以上的用戶，發(fā)帖3-5篇的用戶，發(fā)帖1-3篇的用戶，拆分后將11月與10月份相同維度的數(shù)據(jù)進行對比，找出變量。

例如經(jīng)過拆解后發(fā)現(xiàn)，發(fā)帖1-3篇的用戶相比10月份減少了40%，其他篇數(shù)的用戶量還高于10月份，那么問題就出在了發(fā)帖1-3篇的用戶身上。

那么發(fā)帖1-3篇的用戶為什么減少了呢？我們可以提出2個假設(shè)：

• 假設(shè)10月份發(fā)帖1-3篇的用戶成長為更加活躍的用戶了，造成發(fā)帖3-5篇的用戶增加，1-3篇的用戶減少；
• 假設(shè)10月份發(fā)帖1-3篇的用戶流失率比較高，同時11月份新用戶轉(zhuǎn)化少，導致這一群組用戶數(shù)量變少。

那么針對這2個假設(shè)，需要對10月份發(fā)帖1-3篇的用戶與11月份發(fā)帖3-5篇及5篇以上的用戶進行追蹤分析，同時分析11月份新增用戶與10月份新增用戶在留存和活躍上的對比。

場景二：已知目標找過程，做結(jié)果假設(shè)。

例如：12月份的銷售KPI為1000萬，環(huán)比11月份上升20%，該如何做一份銷售方案？

這是在做工作計劃時最常見的需求，以12月份需要達成1000萬的銷售KPI為例，拆分銷售KPI的相關(guān)影響因素，同樣有2個拆解維度：

（1）從商品角度做拆分

要達成1000萬的銷售額，有多種假設(shè)方式，例如假設(shè)現(xiàn)有商品銷售額與11月相同，新品銷售額達到200萬，那么為了實現(xiàn)這個結(jié)果假設(shè)，去做能夠支持200萬銷售額的的過程方案，例如在推廣渠道預算上、倉儲物流上、人力配置上等方面做計劃；還可以針對幾款產(chǎn)品提出銷售額增長的假設(shè)；

（2）從人群角度做拆分

要達成1000萬的銷售額，一方面挖掘老客戶的購買力，另一方面增加新客戶的來源渠道，假設(shè)老用戶復購銷售500萬，那么針對老用戶設(shè)計營銷活動。

假設(shè)分析法是在現(xiàn)實應用中常用的數(shù)據(jù)分析思路之一，數(shù)據(jù)分析的過程是不斷的提出假設(shè)、驗證假設(shè)的過程，通常我們遇到的不知道如何下手的數(shù)據(jù)分析，可以通過假設(shè)法來破局。

七、同期群分析

簡單來說，就是將?戶進?同期群劃分后，對?不同同期群組?戶的相同指標就叫同期群分析。

1. 同期群分析的作用

例如：9月份新增用戶10萬人，10月份新增用戶15萬人，但9月份新增用戶的30日留存用戶為1萬人，10月份新增用戶的30日留存用戶也為1萬人，哪個月的運營業(yè)績更好呢？

通過同期群分析，我們可以發(fā)現(xiàn)9月份和10月份新增用戶的留存用戶是相同的，那么9月份的留存率更高，從用戶質(zhì)量角度考慮，9月份的運營成果更好，從有效用戶角度考慮，2個月的運營成果相同，從新增用戶角度考慮，10月份的運營成果更好。

同期群分析的目的在于透過現(xiàn)象找到結(jié)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。

以上是七種比較常見的數(shù)據(jù)分析法，只是一些基本的入門概念，希望有一點點幫助。

至于在實際工作中如何運用，是一件很復雜很困難的事，需要將這些方法適配到自己所在的業(yè)務(wù)，甚至需要根據(jù)實際業(yè)務(wù)進行一些修改，這都需要很多的實踐和思考。

我國的互聯(lián)網(wǎng)時代剛剛完成野蠻生長的階段，大家對流量的獲取已經(jīng)有所理解和應用，但在互聯(lián)時代的后半場，對數(shù)據(jù)的理解和應用將成為制勝的關(guān)鍵。

我始終認為互聯(lián)網(wǎng)行業(yè)的未來在運營，運營的未來則在精細化運營和有效的數(shù)據(jù)分析管理，持續(xù)學習，讓我們工作用數(shù)據(jù)說話。

本文由 @諸葛io 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理。未經(jīng)許可，禁止轉(zhuǎn)載。

題圖來自Unsplash，基于 CC0 協(xié)議。