数据分析 --- 数据分析的误区

在数据分析的过程中,我们难免会走一些弯路,但有些弯路是可以避免的,下面我将介绍几个数据分析过程中常见的误区:

一、 选取的样本容量有误

我们一定都听说过二战中的一个经典示例:
军方为了提高战斗机飞行员的生还率,打算在飞机上增加装甲的厚度,但不能在所有部位加厚,这样会丧失战机的灵活性,于是军方请了统计学家来研究,这些专家在一开始就只统计了战斗回来的战机,研究这些战机上的弹孔的分布,在弹孔比较密集的地方增厚装甲,但这并没有提高飞行员的生还率,后来有人想明白了这个问题,那就是应该研究没有回来的飞机,它们中弹的地方才需要加厚装甲,这就是选取的样本容量有误。
样本容量选取的原则:
1.规则相同:样本容量的选取,要有可比性。
如:在同样的发生次数下计算发生的概率
2.角度客观:要站在相对客观的角度,保证选取的样本有分析价值。

二、忽略沉默用户

对于用户的分析,要把握以下原则:
1.客户的迫切需求不等于产品的核心需求
2.发声的客户不等于沉默的客户
3.要站在沉默客户的角度上去想他们想要什么,这才是产品的核心
4.要为每一个客户建立专属档案,记录客户的行为,了解用户的习惯,预测用户的下一个行为。

如何做到重视沉默客户
1.锁定目标人群
建立客户数据库,将客户按照一定的指标进行划分(如性别、年龄、行为)分析客户的个性需求,提供个性化的产品
2.优化传播渠道
对客户的行为进行分析,确定各传播渠道的资金投放比例,这些行为主要包括:客户的浏览情况、客户的来源(从哪里进入落地页的)、客户的访问时间、访问深度。
3.实时反馈效果
通过实时的数据找到合适的时间、合适的产品,以及有哪些客户是忠诚客户

三、错判数据因果关系

要从多个指标分析某个指标对主指标的影响程度,从数据之间找出层次的内在关系。

四、被表面数据蒙蔽

例如:对于同一组数据,若将其横纵轴的数据进行变换(横轴变纵轴,纵轴变横轴)其显示效果是不一样的,数据的跨度不同,其效果也是不一样的
当生成的图表表现为:趋势太过水平或起伏过大,那么就请换一种表示方式,如横纵轴切换、增大或调小跨度等
对于一张趋势图表,其恰当的最高高度应为全图的三分之二

五、过度依赖数据

进行数据分析时,不能过度依赖于数据的表象,要能够从数据中洞察出客户的心理,以及数据背后的社会因素

如何洞察客户需求:
1.重视客户的需要:客户渴望被尊重,要重视客户对产品的评论,从中找到产品优化的方向
2.客户需要性价比高的产品:对产品的价格进行调整,观察用户的购买行为,找到合适的价格区间
3.给用户实践的机会:要让客户自行发掘产品的全貌,要让客户获得成就感

  • 1
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值