数据分析（二） 数据分析中的思维技巧

1. 对比法

孤数不证，单纯的数据并不能体现出数据价值更不能展示变化。通常采用比率等对比的方式展示数据，这样的数据更加简洁、通俗易懂，同时也能反应事务发展的状态和变化。

● 核心：对比法是一种挖掘数据规律的思考方式
● 优点：对比发可以发现很多数据之间的规律，可以与任何思维技巧结合，比如多维对比、象限对比等
● 应用：对比更多的是一种习惯，是数据分析的牛角尖，一次合格的分析，一定要用到n次对比
● 须知：在条件允许的情况下，数据分析依旧不能放弃全局，否则会让思路变得狭隘

2. 象限法

通过将数据按照不同的维度在途中展示，可以更加直观地了解和分析数据，同时通过对不同象限的分析可以创建出新的指标。

● 核心：策略驱动的思维
● 优点：直观、清洗，对数据进行人工的划分，划分结果可以直接用户策略
● 应用范围广、战略分析、产品分析、市场分析、客户管理、用户管理、商品管理等
● 须知：象限划分可以按中位数，也可以按平均数，或者是经验
较为经典的有RMF用户模型如：

2.1 RMF用户模型：

一、各个指标的含义

1. Recency：指用户最近一次购买或与企业互动的时间间隔。间隔越短，说明用户与企业的联系越紧密，可能对企业的产品或服务更感兴趣。
2. Frequency：表示用户在特定时间段内的购买或互动次数。频率越高，用户的忠诚度和活跃度可能越高。
3. Monetary：是用户在特定时间段内的消费金额总和。消费金额越高，用户对企业的价值通常越大。

二、用户分类方法
通过对用户的 Recency、Frequency 和 Monetary 值进行评估，可以将用户分为不同的类别，常见的分类如下：

1. 高价值用户：这类用户在三个指标上都表现出色，即最近有消费、消费频率高且消费金额大。他们是企业的核心用户，需要重点关注和维护，可以为他们提供个性化的服务、专属优惠和高品质的客户体验。
2. 潜在高价值用户：可能在某一两个指标上表现突出，例如消费频率高但最近消费时间较长，或者消费金额大但频率较低。针对这类用户，可以通过营销活动刺激他们的消费，提高其他指标的值，将他们转化为高价值用户。
3. 低价值用户：在三个指标上都表现不佳，可能是新用户、流失用户或者不活跃用户。对于这类用户，可以进行针对性的营销，如发送欢迎礼包吸引新用户、开展召回活动挽回流失用户等。

3. 二八法

二八法则可以用在很多情况下，例如20%的用户创造了80%的收益，20%的用户提供了80%的活跃等等，这一思想的核心就是抓住影响事务的主要矛盾。当我们在处理分析问题时，抓住了主要矛盾对症下药往往能起到远超以往的效果。但也同时需要根据具体的业务和问题来处理，在条件允许的情况下，尽可能的兼顾全局。
● 核心：二八法是一种只抓重点的思维
● 优点：和业务紧密相关，和KPI更紧密相关，几乎花费最少的精力就能达到不错的效果，性价比很
● 应用：二八法则存在于几乎所有的领域，所以这种分析思维没有局限
● 须知：在条件允许的情况下，数据分析依旧不能放弃全局，否则会让思路变得狭隘

4. 指数法

指定标准，可以通过线性加权、反比例和log
● 核心：指数法是一种目标驱动的思维。
● 优点：目标驱动强、直观、简洁、有效。对业务有一定的指导作用，一旦设立指数，不易频繁变动
● 应用：和假设法不同，假设是缺少有效的数据 ，指数法是将无法利用的数据加工成可利用的
● 须知：技术法没有统一的标准，很多指数更依靠经验的加工

5. 漏斗法

漏洞法通常用来涉及到流程和变化的分析中，例如用户转化，从潜在用户到普通用户到付费用户等等，展示数据的转化过程，通过漏斗图能够清洗地发现事物在变化过程的路径以及规律。
● 核心：漏斗法是一种流程化思考方式
● 优点：单一的漏斗分析没有用，转化20%能说明什么呢，他需要和其他思维方式结合
● 应用：涉及到变化和流程的都能用
● 须知：单一的转化没有，单一的转化率没有，单一的转化率没有用

6. 假设法

很多时候数据分析是没有数据进行参考的，比如进入一个市场，公司开拓某样新产品。当可供分析的数据不足以支撑时我们通常会进行假设，对问题或者结论进行假设，通过已知推导未知，通过证伪、证明等手段逼近和预测最终结果。
● 核心：假设法是一种启发思考驱动的思维。
● 优点：当没有数据或者线索能分析时，以假设先行的方式进行推断，这是一个论证过程
● 应用：他更多的是一种思考方式，假设-验证-判断。
● 须知：不止可以假设前提，也可以假设概率或者比例，一切都能假设，只要自圆其说。
多维法