如何在数据分析中使用「象限法」进行分析？

作者 | 诸葛io数据教练

原文 | 如何在数据分析中使用「象限法」进行分析？

什么是象限分析法？

看上面这张图，你看出来了什么？

是的，一个初中时就学会的坐标轴，X轴从左到右是点击率的高低，Y轴从下到上是转化率的高低，形成了4个象限，这就是我们要说的象限分析法。

从这张图，你能分析出来什么呢？

针对每次营销活动的点击率和转化率找到相应的数据标注点，然后将这次营销活动的效果归到每个象限，4个象限分别代表了不同的效果评估。

象限一：高点击高转化，点击高代表营销创意打动了受众，转化高代表被打动的受众是产品的目标用户；

象限二：高转化低点击，同样的，高点击代表被打动的受众是产品的目标用户，但低点击代表的是营销创意没有打动用户；

象限三：低点击低转化，这个象限是最糟糕的营销活动了，投放广告点击少，点击用户转化低，创意无效，用户不精准；

象限四：高点击低转化，这个象限的营销活动要给策划和文案加鸡腿，但就要给渠道扣绩效了。这种象限的营销活动一定程度上有标题党的嫌疑。

so，现在了解什么是象限分析法了么？

当然，你了解的还不够。

象限分析法作为数据分析中常用且重要的7大分析方法之一，在应用上有多种变化，例如下图：

还是针对广告点击量和转化率的象限分析，但对每个象限进行了更加精细的区域切割，例如同样是第一象限高转化高点击的营销活动，基于转化率和点击率的具体数据，可以找到不同的原因，从而进行更加细致的归因分析。

再比如流传了很多年的RFM客户管理模型，是通过最近一次消费、消费金额和消费频次3个维度进行的象限分析。

象限分析法有什么用？

1.找到问题的共性原因

通过象限分析法，将有相同特征的事件进行归因分析，总结其中的共性原因。例如上文案例中第一象限的事件可以提炼出有效的推广渠道与推广策略，第三和第四象限可以排除一些无效的推广渠道；

2.建立分组优化策略

针对投放的象限分析法可以针对不同象限建立优化策略，例如提升象限二的投放创意，象限四的投放渠道。在不同的应用场景中可以制定相应的优化策略，例如RFM客户管理模型中按照象限将客户分为重点发展客户、重点保持客户、一般发展客户、一般保持客户等不同类型。