python数据分析-互联网常见9种数据分析方法-CSDN博客

本文链接：https://blog.csdn.net/qq_40395868/article/details/124366129

一、对比分析

什么是对比分析？
对比分析就是将两个及以上数据进行比较，通过其中差异揭示业务发展趋势及问题。

优点：简单、直观、量化的特点。
缺点：不易得知问题的严重程度。

对比原则：
1、对比对象要有相似性，如：偏远山区的人均收入和超一线城市的人均收入没有可比性。
2、对比指标同质性，
一是指标口径要一致。如：今天的收入和上个月的收入比，没有可比性。
二是计算方式要一致。如：今天部门总收入和公司人均收入，一个是加法，一个是除法，计算方式不同。
三是计量单位要一致。如：当月收入，不同国家的汇率不同。

问题一：比什么？
（1）绝对值：本身具备价值的数字。如：销售金额、阅读数、DAU、MAU、
（2）比例值：在具体环境中看比例才具备对比价值。如：活跃占比、注册转化率
举例：今日日活下降100人，如果平常日活只有110人，问题就大了，如果平常日活10000人，可能就是正常的数据波动。
缺点：易受到极端值影响
（3）波动对比：通过计算一定时期内标准差、方差、极差、变异系数等指标，比较波动情况。
（4）趋势对比：趋势对比又可从时间、空间维度进行划分。

问题二：怎么比？
环比：连续2个统计周期（比如连续两周）内的量的变化比。
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时间范围的指标进行设定。
同比：本年第n月与过去某年的第n月比。同比发展速度主要是为了消除季节变动的影响，用以说明本期发展水平与同期发展水平对比而达到
的相对发展速度。
观察更为长期的数据集
观察的时间周期里有较多干扰，希望某种程度上消除这些干扰。

问题三：和谁比？
1、和自己比
（1）从时间维度。如：推送的活动本周和上周活跃人数的比较。
（2）从不同业务线。如：两种方案哪种获得的客户较多。
（3）从过往经验估计（非连续数据）
2、和行业比
（1）是自身因素，还是行业趋势?
（2）都跌，自己跌的幅度和同行怎么样
（3）都涨，自己涨的幅度和同行怎么样

二、多维度拆解

注意：
（1）维度拆解分析是可以叠加的。
（2）辛普森悖论：在某些情况下，如果没有详细拆解内部数据，得出的结论会背离实际情况。
举例：
（1）DAU（Day Active User）用户使用手机的类型看出我们的目标群体。
（2）启动我们app的方式，桌面还是通知栏，看出客户倾向于怎么查看我们的产品。
（3）城市维度，我们主推的城市和其他城市的对比，是否存在地区性的差异。
（4）新老用户的维度，随着这一轮市场推广，日活整体型化不大，但这是因为老用户占比下降、新用户占比不断上升，掩盖了流失。
（5）对业务流程，拆解维度，初期–>中期–>后期，据业务sop看。
（6）设备（ios/android）。
（7）地域维度，省份，城市
（8）性别维度，男，女等
（9）渠道维度，线下，线上，还可以继续具体细分
（10）政策、经济（短期内主要是竞争环境，如对竞争对手的活动）、社会、技术
多维度拆解的适用场景
1、分析单一指标的构成
适用于，计算分栏目的播放量，新老用户比例、转化率、新客户客单价、老客户复购率等。