数据分析方法有哪些

道家强调四个字，叫“道、法、术、器”。“器”是指物品或工具，在数据分析领域指的就是数据分析的产品或工具，“工欲善其事，必先利其器”；“术”是指操作技术，是技能的高低、效率的高下，如对分析工具使用的技术（比如用Excel进行数据分析的水平）；“法”是指选择的方法，有句话说“选择比努力重要”；“道”是指方向，是指导思想，是战略。那么如何做好数据分析呢？

 

一、细分分析：
细分分析是分析的基础，单一维度下的指标数据的信息价值很低。细分方法可以分为两类，一类逐步分析，比如：来深圳市的访客可分为南山区，罗湖等区；另一类是维度交叉，如：来自搜索引擎付费推广的新访客。

细分用于解决所有问题。比如漏斗转化，实际上就是把转化过程按照步骤进行细分，流量渠道的分析和评估也需要大量用到细分的方法。

 

二、对比分析：
对比分析主要是指将两个相互联系的指标数据进行比较，从数量上展示和说明研究对象的规模大小，水平高低，速度快慢等相对数值，通过相同维度下的指标对比，可以发现，找出业务在不同

阶段的问题。

常见的对比方法包括：时间对比，空间对比，标准对比。

 

时间对比有三种：同比，环比，定基比。

例如：本周和上周进行对比就是环比；本月和上月对比就是同比；所有数据同今年的对比则为定基比。通过三种方式，可以分析业务增长水平，速度等信息。

 

三、漏斗分析：

转化漏斗分析是业务分析的基本模型，常见的是把转化设置为某种目的实现，典型的就是完成交易。但也可以是其他任何目的的实现，比如一次使用访问人数，询盘量等指标。

 

漏斗帮助我们解决两方面的问题：

1：是否发生客户大量地流失，如果有流失，我们能在漏斗中看到，并且能够通过进一步的分析流失原因，进行优化。

2：是否出现了其他不应该出现的过程，造成转化率较低。

 

四、同期群分析：

同期群（cohort）分析在数据运营领域十分重要，互联网运营特别需要仔细洞察留存情况。通过对性质完全一样的可对比群体的留存情况的比较，来分析哪些因素影响用户的留存。

同期群分析深受欢迎的重要原因是十分简单，但却十分直观。同期群只用简单的一个图表，直接描述了用户在一段时间周期的留存或流失变化情况。以前留存分析只要用户有回访即定义为留存，这会导致留存指标虚高。

 

五、聚类分析：

聚类分析具有简单，直观的特征，网站分析中的聚类主要分为：用户，页面或内容，来源。用户聚类主要体现为用户分群，用户标签法；页面聚类则主要是相似，相关页面分组法；来源聚类主要包括渠道，关键词等。

例如：在页面分析中，经常存在带？参数的页面。比如：资讯详情页面，商品页面等，都属于同一类页面。简单的分析容易造成跳出率，退出率等指标不准确的问题，通过聚类分析可以获取同类页面的准确数据用于分析场景。

 

图13

 

六、AB测试：

增长黑客的一个主要思想之一，是不要做一个大而全的东西，而是不断做出能够快速验证的小而精的东西。快速验证，那如何验证呢？主要方法就是AB测试。

比如：你发现漏斗转化中中间有漏洞，假设一定是商品价格问题导致了流失，你看到了问题-漏斗，也想出了主意-改变定价。但主意是否正确，要看真实的用户反应，于是采用AB测试，一部分用户还是看到老价格，一部分用户看到新价格，若你的主意真的管用，新价格就应该有更好的转化，若真如此，新价格就应该确定下来，如此反复优化。

 

图14

 

七、埋点分析：

只有采集了足够的基础数据，才能通过各种分析方法得到需要的分析结果。通过分析用户行为，并细分为：浏览行为，轻度交互，重度交互，交易行为，对于浏览行为和轻度交互行为的点击按钮等事件，因其使用频繁，数据简单，采用无埋点技术实现自助埋点，即可以提高数据分析的实效性，需要的数据可立即提取，又大量减少技术人员的工作量，需要采集更丰富信息的行为。

如：重度交互（注册，邀请好友等）和交易事件（加购物车，下订单等）则通过SDK批量埋点的方式来实施。

 

图15

 

八、来源分析：

流量红利消失，我们对获客来源的重视度极高，如何有效的标注用户来源，至关重要。传统分析工具，渠道分析仅有单一维度，要深入分析不同渠道不同阶段效果，SEM付费搜索等来源渠道和用户所在地区进行交叉分析，得出不同区域的获客详细信息，维度越细，分析结果也越有价值。

 

图16

 

九、用户分析：

用户分析是互联网运营的核心，常用的分析方法包括：活跃分析，留存分析，用户分群，用户画像，用户细查等。可将用户活跃细分为浏览活跃，互动活跃，交易活跃等，通过活跃行为的细分，掌握关键行为指

标；通过用户行为事件序列，用户属性进行分群，观察分群用户的访问，浏览，注册，互动，交易等行为，从而真正把握不同用户类型的特点，提供有针对性的产品和服务。用户画像基于自动标签系统将用户完整的画像描绘清晰，更有力的支撑运营决策。

 

图17

 

十、表单分析：

 

填写表单是每个平台与用户交互的必备环节，优秀的表单设计，对转化率的提升起到重要作用。用户从进入表单页面之时起，就产生了微漏斗，从进入总人数到最终完成并成功提交表单人数，这个过程之中，有多少人开始填写表单，填写表单时，遇到了什么困难导致无法完成表单，都影响最终的转化效果。

 

图18

 

以上是常见的数据分析方法，更多应用方法需要根据业务场景灵活应用。不同的企业，不同的产品和服务，所产生的数据是不一样的，企业的产品和服务在营销推广的每个阶段都要进行数据跟踪分析，不断地进行优化，才能为企业的发展提供好的指导方向。