数据分析
1. 对比分析
没有对比的数据毫无意义,对数据的观察应基于对手数据,同比环比数据等。
1. 数据趋势分析
趋势分析一般而言,适用于产品核心指标的长期跟踪,比如,点击率,GMV,活跃用户数等。做出简单的数据趋势图,并不算是趋势分析,趋势分析更多的是需要明确数据的变化,以及对变化原因进行分析。
趋势分析,最好的产出是比值。在趋势分析的时候需要明确几个概念:环比,同比,定基比。环比是指,是本期统计数据与上期比较,例如2017年2月份与2017年1月份相比较,环比可以知道最近的变化趋势,但是会有些季节性差异。为了消除季节差异,于是有了同比的概念,例如2017年2月份和2016年2月份进行比较。定基比更好理解,就是和某个基点进行比较,比如2016年1月作为基点,定基比则为2017年2月和2016年1月进行比较。
比如:2017年2月份某APP月活跃用户数我2000万,相比1月份,环比增加2%,相比去年2月份,同比增长20%。
趋势分析另一个核心目的则是对趋势做出解释,对于趋势线中明显的拐点,发生了什么事情要给出合理的解释,无论是外部原因还是内部原因。
2. 数据对比分析
数据的趋势变化独立的看,其实很多情况下并不能说明问题,比如如果一个企业盈利增长10%,我们并无法判断这个企业的好坏,如果这个企业所处行业的其他企业普遍为负增长,则5%很多,如果行业其他企业增长平均为50%,则这是一个很差的数据。
对比分析,就是给孤立的数据一个合理的参考系,否则孤立的数据毫无意义。
一般而言,对比的数据是数据的基本面,比如行业的情况,全站的情况等。有的时候,在产品迭代测试的时候,为了增加说服力,会人为的设置对比的基准。也就是A/B test。
比较试验最关键的是A/B两组只保持单一变量,其他条件保持一致。比如测试首页改版的效果,就需要保持A/B两组用户质量保持相同,上线时间保持相同,来源渠道相同等。只有这样才能得到比较有说服力的数据。
3. 数据细分分析
在得到一些初步结论的时候,需要进一步地细拆,因为在一些综合指标的使用过程中,会抹杀一些关键的数据细节,而指标本身的变化,也需要分析变化产生的原因。这里的细分一定要进行多维度的细拆。常见的拆分方法包括:
分时:不同时间短数据是否有变化。
分渠道:不同来源的流量或者产品是否有变化。
分用户:新注册用户和老用户相比是否有差异,高等级用户和低等级用户相比是否有差异。
分地区:不同地区的数据是否有变化。
组成拆分:比如搜索由搜索词组成,可以拆分不同搜索词;店铺流量由不用店铺产生,可以分拆不同的店铺。
细分分析是一个非常重要的手段,多问一些为什么,才是得到结论的关键,而一步一步拆分,就是在不断问为什么的过程。
4. 小结
趋势,对比,细分,基本包含了数据分析最基础的部分。无论是数据核实,还是数据分析,都需要不断地找趋势,做对比,做细分,才能得到最终有效的结论。(人人都是产品经理潘一鸣http://www.woshipm.com/data-analysis/676038.html)
2. 结构分析
结构分析法是指对经济系统中各组成部分及其对比关系变动规律的分析。如国民生产总值中三种产业的结构及消费和投资的结构分析、经济增长中各因素作用的结构分析等。结构分析主要是一种静态分析,即对一定时间内经济系统中各组成部分变动规律的分析。如果对不同时期内经济结构变动进行分析,则属动态分析。
简而言之将一个主体切分成组成因子,探索因子的变化、组成比率等
用户数:新用户、老用户 类型:小白用户、一般用户、专家用户
3. 分布分析
在生产工作正常的情况下,产品的质量也不可能完全相同,但也不会相差太大,而是围绕着一定的平均值,在一定的范围内变动和分布。分布分析法就是通过对质量的变动分布状态的分析中发现问题的一种重要方法。它可以了解生产工序是否正常,废品是否发生等情况。其工具是直方图,故又称直方图法
分布分析有助于我们对大量数据有一个宏观是认识
4. 交叉分析
图形解释
如右图,可以理解成“多维分析“
交叉分析应用在约束条件不止一个的时候使用,例如右图分析电子产品在浙江不同月份的销售情况,只需在处理数据上建立数据透视表,在行/列加入超过一个column就可以自动生成。
5. 矩阵分析
最典型的矩阵分析图是波士顿矩阵
矩阵分析图是直观的分类形式,以象限进行判断
在excel中,选中两列数据形成散点图,在散点图双击坐标轴设置坐标轴格式,设置横纵坐标交叉,然后如上图制作成品图。