文章目录
01 对比分析
比什么?
1.绝对值or比例值
2.环比or同比
环比 | 同比 |
---|---|
last period 与当前时间范围相邻的上一个时间范围对比 | same period last year/month/day 与当前时间范围上层时间范围的前一范围中同样位置数据对比 |
与「上一个」统计周期比较 , 周环比:2021年51周与50周相比 | 与历史「同时期]比较, 月同比:9月7号与8月7号。 |
对短期内具备连续性的数据进行分析,需要根据相邻时间范围的数字对当前范围的指标进行设定。 | 观察更为长期的数据集,观察的时间周期里有较多的干扰,希望某种程度上消除干扰。 |
3.和自己比or和行业比
和自己比 | 和行业比 |
---|---|
从时间维度 | 自身因素?行业趋势?是否比同行长得慢?是否比同行跌得快 |
从不同业务线 | |
从过往经验估计 |
02 多维度拆解
用不同的视角去拆分,观察同一个数据指标。
运作原理:指标/业务流程需要按照多维度拆分,来观察变动
适用场景:分析单一指标的构成、比例等/ 针对流程进行拆解分析/ 还原行为发生时的场景
案例说明 数据涨跌如何处理
如何处理数据的涨跌?并不是只有📉才值得关注,不寻常的📈同样值得关注。
涨:弄清原因,放大涨势
跌:弄清原因,采取行动,及时减缓趋势
一般处理流程:
- 发现异常
- 确定问题(对比分析,周同比,月同比,是否是周期性现象?以前是否出现过?问题是否真实存在?)
- 确定原因(多维度拆解,找到原因)根据实际分析,服务器?渠道商?存货?服务?价格?
- 针对性解决问题
- 执行
其中需要不断提出假设,并用数据去验证真实性。
一些常见假设:
活动影响:查对应活动页面及对应动作的数据波动。关注活动是否有地域属性。
版本:以版本号作为维度,区分查看。
渠道投放:查看渠道来源变化
策略调整:明确故障时间,按分钟或小时进行拆分
以某小型网站某段时间浏览量狂涨作为案例,进行分析:
- 按来源进行拆分:7.31~8.3这几天的浏览量激增
- 按访问城市进行划分:几乎都来自北京
- 按浏览器进行划分:几乎都是safari
- 查看浏览器版本号:版本号为空,可以确定是爬虫导致的高访问了量(经验累积)
03 漏斗观察
漏斗 = 一连串向后影响的用户行为
注意点:
- 漏斗一定是有时间窗口的
考虑极端情况:23:59分执行第一步,次日00:02分执行第二步。
或者,用户1月加入购物车,5月才购买。
漏斗的时间窗口是以天?24h?月?年?为单位
因此需要根据业务实际情况,选择对应的时间窗口
按天:对用户心智的影响只在短期内有效(如短期活动)
按周:业务本身负责,决策成本高,多日才能完成
按月:决策周期更长 - 漏斗一定是有严格顺序的
不可以用[ABCDE]的漏斗,看[ACE]的数据 - 漏斗的计数单位可以基于用户、也可以基于事件
仍然要基于具体业务进行确定。基于用户往往是关心整个业务流程的推动,基于事件关心某一步具体的转化率,无法获知事件流转的真实情况。 - 结果指标的数据不符合预期
自查:是否只有这一个漏斗能够达到最终目标?是否有其他路径?