![](https://img-blog.csdnimg.cn/20201014180756918.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
数据分析
文章平均质量分 82
thisissally
这个作者很懒,什么都没留下…
展开
-
指标下降分析
一、分析问题如果当前问题经过分析是需要解决的,才会接着从人货场角度分析问题所在并寻求解决措施。1、判断数据源质量确认数据本身没有错2、判断指标波动幅度(问题轻重)事先要设好预期值3、判断指标波动持续时间(问题缓急)持续性下跌≥一次性下跌≥周期性下跌(1)持续下跌的时间越长问题越严重(2)周期性问题要注意和上一期作比较,如果每一次下跌的幅度变大说明问题严重性指标下跌/上升,通常有三种形态:● 一次性变化:只在某个时间点发生波动。一次性变化背后的一般都是短期/突发事件,比如系统down掉原创 2021-11-28 15:44:13 · 14896 阅读 · 0 评论 -
数据分析的思维展开
一、MECE的优点MECE,是Mutually Exclusive CollectivelyExhaustive的缩写,简单归纳成8个字:相互独立,完全穷尽;分析原因的时候很容易把各种原因交织在一起,造成思维混乱。MECE可以i帮助厘清思绪。二、MECE的步骤MECE第一步:确定目标MECE第二步:分步骤梳理问题层层拆解原因,每一层可以多分几个层次。分析的最终目的是能指导业务改善,因此分析逻辑应指向业务可以落地的地方MECE第三步:代入数据量化MECE第四步:导出业务结论ME原创 2021-11-23 20:12:47 · 793 阅读 · 0 评论 -
因果推断
一、因果推断的适用场景因果性是指在操作/改变X后,Y随着这种操作/改变也变化,则说明X是Y的因cause。有些场合可以很明显的区分相关和因果,举个例子,我们会发现在学校中,近视的同学成绩更好。近视和成绩好之间有强相关性,但显然近视不是成绩好的原因。而我们想要提升学生成绩,自然需要找到因,否则就会通过给学生戴眼镜的方式来提高成绩。但是有很多场合难以区分,举个例子,经常喝葡萄酒的人寿命更长,是因为葡萄酒确实能延长寿命,还是因为能经常喝的人通常更富有,享有更好的医疗条件。识别某种干预是否产生效果,**简原创 2021-11-22 23:38:57 · 1162 阅读 · 0 评论 -
AARRR模型
一、Acquisition 用户获取用户获取,用户拉新,首先要去考虑的其实并不是各种渠道推广引流,而应该是产品上降低用户的使用门槛,结合不同阶段用户群体的特征,制定最适合的拉新策略,同时时刻关注各个核心数据指标。(一)产品角度1. 简化注册登录流程(1)账号强相关产品,由于当前绑定手机为硬性要求,往往可以采用默认手机验证码登录的形式,将注册/登录/绑定流程融合,简化用户操作流程。同时,可以辅以各个社交账号的引入登入,如常见的微信/微博/QQ授权等。(2)对于账号非强相关的产品,则可以采用直接.原创 2021-11-22 21:02:00 · 1698 阅读 · 0 评论