数据分析思维（四）：分析方法——对比分析方法、A/B测试

 数据分析并非只是简单的数据分析工具三板斧——Excel、SQL、Python，更重要的是数据分析思维。没有数据分析思维和业务知识，就算拿到一堆数据，也不知道如何下手。

推荐书本《数据分析思维——分析方法和业务知识》，本文内容就是提取这本书的主体思维，以提高自身的数据分析素养。

先来点鸡汤：学会把书读薄，就要学会总结，撰写学习博客的过程就是加深印象的过程，也是持续提高自身素质的有效方法。冲冲冲！

相关篇章：

数据分析思维（一）：业务指标（数据分析并非只是简单三板斧）

数据分析思维（二）：分析方法——5W2H分析方法、逻辑树分析方法、行业分析方法

数据分析思维（三）：分析方法——多维度拆解分析方法

数据分析思维（四）：分析方法——对比分析方法、A/B测试

数据分析思维（五）：分析方法——假设检验分析方法

数据分析思维（六）：分析方法——相关分析方法

数据分析思维（七）：分析方法——群组分析方法

数据分析思维（八）：分析方法——RFM分析方法

数据分析思维（九）：分析方法——AARRR模型分析方法

数据分析思维（十）：分析方法——漏斗分析方法

数据分析思维（十一）：应用篇——用数据分析解决问题

---

一、对比分析方法

1.1 什么是对比分析方法？有什么用？

对比分析，顾名思义，肯定要有对比的对象。

对比分析有什么用？

案例1：假如去超市买衣服，你看上了一件衣服，但是要299块，你会觉得怎么这衣服这么贵，直接扭头去看其他衣服了，然后你看见了旁边一件款式差不多的衣服，离谱的是，后者要899块，你呆在哪里看着这两件衣服，你就会觉得，第一件299的衣服挺实惠的，于是你选择去买第一件（就算不买，你看到第二件衣服时，你肯定会重新思考第一件衣服的性价比）。假如没有899块的衣服在旁边作对比，你甚至直接放弃第一件衣服了，这就是对比分析的作用。（心理学上，该现象叫“价格锚定”）

案例2：假如你平台的用户的日活跃率是4%，你觉得是高还是低？看不出来。但是我告诉你正常的日活跃率是7%呢？这时你就可以一下子看出来问题了。

1.2 如何使用对比分析？

弄清楚两个问题：和谁比？如何比？

（1）和谁比？

两种：和自己比，和行业比。

雷军在小米上市前公开了一个承诺：“小米的硬件综合净利润永远不会超过5%，如果有超过的部分，将超出的部分全部返还给用户”。这个承诺其实是经过数据分析得出的结论，因为硬件综合净利润超过5%的公司几乎没有。这一承诺既不会让小米陷入无法实现困境，也给自己用户留下“小米产品性价比高”的产品形象。

和自己比：这个承诺是小米和自己的历史业绩比，硬件净利润肯定小于5%

和行业比：领头行业的硬件净利润也达不到5%。

（2）如何比较？

从 3 个维度比较：

• 数据整体大小：某些衡量数据整体大小的指标，如均值，中位数等。
• 数据整体波动：基于变异系数比较（衡量数据离散程度的相对统计量，变异系数 = 标准差 / 平均值）
• 趋势变化：从时间维度看数据的变化。常用方法有时间折线图，环比和同比等方法。

小结对比表格：

1.3 对比分析注意事项

进行对比分析时，注意保证比较对象的规模要一致。为什么呢？

举个例子，A，B两地区所以店铺的销售总额对比。假如A的销售总额每个月都大于B的销售总额，那么你得出结论： 地区B的业务没有A地区好。

这结论看似是对的。但是假如A地区是一线城市，B地区是三线城市，明显，两地店铺数量差别太大了，导致A和B作对比分析没有实际意义！没有可比性！

怎么解决上述问题？

可以用每个地区的销售总额除以店铺数量，得到每个地区的单个店铺的每天平均销售额。这样，A和B地区就规模一致了，具有可比性。

二、A/B测试

A/B测试背后也是用了对比分析方法。

什么是A/B测试。

可以理解为一个策略优化方法，包含测试组（或称实验组），对照组。

举个例子：使用消费券拉动消费是否会导致一旦用户使用完消费券后，消费很快就下降？

我们进行A/B测试。实验组是有领取消费券消费的用户，对照组是没有消费券使用的用户。消费券过期后，实验组与对照组对比，发现实验组的消费并没有明显减少。说明，用户不会因为使用完消费券后就减少消费或停止消费券，使用消费券拉动消费是有效果的。

小结

# 文章仅供个人学习。后续还会继续更新。冲！