这一小节内容介绍了常见的9种数据分析方法。视频来源https://www.bilibili.com/video/BV1R44y1z7M7?p=44
目录
(1)九种数据分析方法
1. 对比分析
(1)比什么
绝对值:本身具有价值的数字,但不容易知道问题的严重性。
比例值:在比较下才有价值的数字,但容易受到极端值影响。(比如2个用户转化2个,转化率100%,1000个用户转化900个,转化率90%,光看比例会觉得前者更好)
(2)怎么比
指标 | 定义 | 适用场景 |
环比 |
|
|
同比 |
|
|
(3)和谁比
对比角度 | |
和自己比 |
|
和行业比 |
|
2. 多维度拆解(※)
数据分析的本质就是用不同的角度去拆分、观察同一个数据指标。
(1)适用场景
- 分析单一指标的构成、比例时
- 针对流程进行拆解分析(新老用户漏斗分析)
- 需要还原行为发生时的场景
(2)案例:涨跌异动
案例一:收入跌10%
- 思考步骤
①这是个问题吗:进行环比同比,查看下跌10%是否正常。
②如果是一个问题,根据过往经验进行假设
假设 | 证明 | 结论 |
如果是技术问题,应该存在断崖式下跌,且修复后会好回来 | 按照小时查看,符合平时流量规律 | 服务器没问题 |
如果是渠道问题,应该存在某个渠道远低于平时流量 | 按照渠道拆解,发现A渠道流量低于平时的20% | A渠道下跌 |
如果是发货问题,应该存在某个地区低于平时销量 | 按地域维度拆解流量,XY低了很多 | 怀疑和当地动作有关(比如仓储、物流有问题) |
③综合分析得到结论:收入下跌10%确实是个问题,异动原因是XY的A渠道低于平时,需要询问市场部门,于是问同事渠道投放是否有问题。
④最后可以知道问题所在。
结论:数据只是验证支撑工具,首先需要有一个假设,而提出假设的前提是要有业务洞察。
- 常见的数据异动假设
①活动影响:查对应活动页面和对应动作的数据波动,关注活动是否有地域属性。
②版本发布:将版本号作为维度,区分查看。
③渠道投放:查看渠道来源变化。
④策略调整:查看策略上线时间节点,区分前后关键指标波动。
⑤服务故障:明确故障时间,按时间为维度进行小时或者分钟级别的拆分。
案例二:浏览量狂涨
多维度可以叠加,也就是多个维度拆解后综合分析。