最常用的数据分析方法
2024-06-03 07:19:34
最常用的数据分析方法
一、做大数据分析的三大作用
- 现状分析、原因分析和预测分析。
二、方法论和方法的区别
- 方法论是从宏观角度出发，从管理和业务的角度提出的分析框架，指导我们接下来具体分析的方向。
- 方法是微观的概念，是指我们在具体分析过程中使用的方法。
三、数据分析方法论
1、PEST分析法
（1）概念：
- PEST 为一种企业所处宏观环境分析模型，从
政治(Politics)、经济(Economy)、社会(Society)、技术(Technology)四个方面分析内外环境，适用于宏观分析。
（2）注意事项：
- 四点因素也被称之为“pest有害物”，PEST要求高级管理层具备相关的能力及素养。
- PEST分析与外部总体环境的因素互相结合就可归纳出SWOT分析中的机会与威胁。PEST/PESTLE、SWOT 与 SLEPT 可以作为企业与环境分析的基础工具。
（3）案例：
2、SWOT分析法
（1）概念：
- 从
优势(Strength)、劣势(Weakness)、机遇(Opportunity)、威胁(Threat)四个方面分析内外环境，适用于宏观分析。
（2）注意事项：
- SWOT分析法是用来确定企业自身的竞争优势、竞争劣势、机会和威胁，从而将公司的战略与公司内部资源、外部环境有机地结合起来的一种科学的分析方法。
- 运用这种方法，可以对研究对象所处的情景进行全面、系统、准确的研究，从而根据研究结果制定相应的发展战略、计划以及对策等。
（3）案例：
- 价格或价格决策关系到企业的利润、成本补偿、以及是否有利于产品销售、促销等问题。同4P
3、5W2H分析法
（1）概念：
- 从
Why、When、Where、What、Who、How、How much7个常见的维度分析问题。广泛用于企业管理和技术活动，对于决策和执行性的活动措施也非常有帮助，也有助于弥补考虑问题的疏漏。
（2）注意事项（优势）：
- 检查原产品的合理性
- 可以准确界定、清晰表述问题，提高工作效率。
- 有效掌控事件的本质，完全地抓住了事件的主骨架，把事件打回原形思考。
- 简单、方便，易于理解、使用，富有启发意义。
- 有助于思路的条理化，杜绝盲目性。有助于全面思考问题，从而避免在流程设计中遗漏项目。
（3）案例：网游用户的购买行为
4、4P理论
（1）概念：
- 经典营销理论，认为
产品(Product)、价格(Price)、渠道(Place)和促销(Promote)是影响市场的重要因素。
（2）注意事项：
- 产品(Product)：包含有形产品、服务、人员、组织、观念或它们的组合。
- 价格(Price)：包括基本价格、折扣价格、支付期限等。
- 渠道(Place)：是指产品从生产企业流转到用户手上的全过程中所经历的各个环节。
- 促销(Promotion)：是指企业通过销售行为的改变来刺激用户消费，以短期的行为促成消费者增长，吸引其他品牌的用户或导致提前消费来促进销售的增长。
（3）案例：
- 价格或价格决策关系到企业的利润、成本补偿、以及是否有利于产品销售、促销等问题。
5、AARRR
（1）概念：
- 增长黑客的海盗法则，一种以用户为中心的着眼于转化率的漏斗型的数据收集测量模型，从
获取(Acquisition)、激活(Activition)、留存(Retention)、收益(Revenue)和推荐(Referral)5个环节增长。
（2）注意事项：
- 1、AARRR是用户指标，其他业务不能硬套
- 2、AARRR适用于用户分析，其他分析不能硬套
- 3、AARRR是五个方面，不是五个指标
- 4、AARRR是整体设计，不是一视同仁
- 5、AARRR是有优先级的，不是打地鼠
- 最好的展开方式是先交代当前业务发展阶段（扩张、稳定、收缩）以及业务的的首要目标（稳增长，促转化，保收入，控成本）
（3）案例：
6、逻辑树
（1）概念：
- 又称问题树、演绎树或分解树等
- 可用于业务问题专题分析
（2）注意事项：
- 逻辑树的使用必须遵循以下三个原则：
- 要素化：把相同问题总结归纳成要素。
- 框架化：将各个要素组织成框架，遵守不重不漏的原则。
- 关联化：框架内的各要素保持必要的相互关系，简单而不孤立。
- 缺点：
- 涉及的相关问题可能有遗漏，虽然可以用头脑风暴把涉及的问题总结归纳出来，但还是难以避免存在考虑不周全的地方。所以在使用逻辑树的时候，尽量把涉及的问题或要素考虑周全。
（3）案例：
- 利润分析中的应用
7、用户行为理论
（1）概念：
- 用户使用行为是指用户为获取，使用物品或服务所采取的各种行动，用户对产品首先需要有一个认知、熟悉，然后是试用，再决定是否继续消费使用，最后成为忠诚用户
（2）注意事项：
- 可利用用户使用行为理论，梳理网站分析各关键指标之间的逻辑关系．构建符合公司实际业务的网站分析指标体系．
（3）案例：
8、KANO模型
（1）概念：
- 对用户需求分类和排序的有用工具，通过分析用户对产品功能的满意程度，对产品功能进行分级，从而确定产品实现过程中的优先级。
- 在KANO模型中，根据不同类型的需求与用户满意度之间的关系，可将影响用户满意度的因素分为五类：
基本型需求、期望型需求、兴奋型需求（魅力型需求）、无差异需求、反向型需求。 - 根据5项功能的better-worse系数值，将散点图划分为四个象限，以确立需求优先级
（2）影响用户满意度因素的解释：
1）兴奋型需求
（3）注意事项：
- KANO模型是一个典型的定性分析模型，一般不直接用来测量用户的满意度，常用于识别用户对新功能的接受度。
- 帮助企业了解不同层次的用户需求，找出顾客和企业的接触点，挖掘出让顾客满意至关重要的因素。
（4）案例：
9、RFM客户价值模型
（1）概念：
- RFM模型是针对用户分类的一种模型，模型通过
最近消费(Recency)、消费频率(Frequency)、消费金额(Monetary)，三大指标将用户分为8大类。三大指标可以变成以下三项： - 同时根据每一项的程度不同，把客户分成以下8类。当然可以对数据使用一些分类算法，对客户进行跟精细的分类。
（2）注意事项：
- 针对不同的客户，我们可以进行差异化营销，实现客户价值的最大化。
（3）案例：
- 航空行业
四、分析方法论看数据分析的意义
- 从数据分析方法论也可得知，数据分析的意义在于将杂乱无章的数据转化为清晰可见的可视图，从而进行精准决策。
五、数据分析的七个方法
1、趋势分析
- 趋势分析是最简单、最基础，也是最常见的数据监测与数据分析方法。通常我们在数据分析产品中建立一张数据指标的
线图或者柱状图，然后持续观察，重点关注异常值。 - 在这个过程中，我们要选定第一关键指标(OMTM，One Metric That Metter)，而不要被虚荣指标(Vanity Metrics )所迷惑。
- 以社交类APP为例，如果我们将下载量作为第一关键指标，可能就会走偏;因为用户下载APP并不代表他使用了你的产品。在这种情况下，建议将DAU(Daily Active Users，日活跃用户)作为第一关键指标，而且是启动并且执行了某个操作的用户才能算上去;这样的指标才有实际意义，运营人员要核心关注这类指标。
2、多维分解
- 多维分解是指从业务需求出发，将指标从多个维度进行拆分;这里的维度包括但不限于浏览器、访问来源、操作系统、广告内容等等。
- 为什么需要进行多维拆解?有时候一个非常笼统或者最终的指标你是看不出什么问题来的，但是进行拆分之后，很多
细节问题就会浮现出来。 - 举个例子，某网站的跳出率是0.47、平均访问深度是4.39、平均访问时长是0.55分钟。如果你要提升用户的参与度，显然这样的数据会让你无从下手；但是你对这些指标进行拆解之后就会发现很多思路。
3、用户分群
用户分群主要有两种分法：维度和行为组合。
- 第一种根据用户的
维度进行分群，比如从地区维度分，有北京、上海、广州、杭州等地的用户;从用户登录平台进行分群，有PC端、平板端和手机移动端用户。 - 第二种根据
用户行为组合进行分群，比如说每周在社区签到3次的用户与每周在社区签到少于3次的用户的区别，涉及到留存分析。
4、用户细查
- 用户行为数据也是数据的一种，观察用户在你产品内的行为路径是一种非常直观的分析方法。
- 在用户分群的基础上，一般抽取3-5个用户进行细查，即可覆盖分群用户大部分行为规律。
- 绝大多数产品都或多或少存在一些反人类的设计或者BUG，通过用户细查可以很好地发现产品中存在的问题并且及时解决。
5、漏斗分析
- 漏斗分析是一套流程式数据分析，它能够科学反映用户行为状态以及从起点到终点各阶段用户转化率情况的重要分析模型。
- 漏斗分析模型已经广泛应用于网站用户行为分析和APP用户行为分析的流量监控、产品目标转化等日常数据运营与数据分析的工作中。
- 漏斗分析要注意的
两个要点：- 第一：不但要看总体的转化率，还要关注转化过程每一步的转化率;
- 第二：漏斗分析也需要进行多维度拆解，拆解之后可能会发现不同维度下的转化率也有很大差异。
6、留存分析
- 留存分析是一种用来分析用户参与情况/活跃程度的分析模型，考察进行初始行为的用户中，有多少人会进行后续行为。
- 这是用来
衡量产品对用户价值高低的重要方法。 - 衡量留存的常见指标有：
次日留存率、7日留存率、30日留存率等等。
- 留存分析可以帮助回答以下问题：
- 一个新客户在未来的一段时间内是否完成了您期许用户完成的行为？如支付订单等；
- 某个社交产品改进了新注册用户的引导流程，期待改善用户注册后的参与程度，如何验证？
- 想判断某项产品改动是否奏效，如新增了一个邀请好友的功能，观察是否有人因新增功能而多使用产品几个月？
7、A/B测试与A/A测试
- A/B测试是为了达到一个目标，采取了两套方案，一组用户采用A方案，一组用户采用B方案。通过实验观察两组方案的数据效果，判断两组方案的好坏。在A/B测试方面，谷歌是不遗余力地尝试；对于搜索结果的显示，谷歌会制定多种不同的方案(包括文案标题，字体大小，颜色等等)，不断来优化搜索结果中广告的点击率。
- A/B测试之前最好有A/A测试或者类似准备。
- A/A测试是评估两个实验组是否是处于相同的水平，这样A/B测试才有意义。
- 其实这和学校里面的控制变量法、实验组与对照组、双盲试验本质一样的。
最常用的数据分析方法相关推荐
- 统计计量 | 统计学中常用的数据分析方法汇总
来源:数据Seminar本文约10500字,建议阅读15+分钟 统计学中常用的数据分析方法汇总. Part1描述统计 描述统计是通过图表或数学方法,对数据资料进行整理.分析,并对数据的分布状态.数字特 ...
- 异常数据4种剔除方法_数据分析系列 22/32 | 9种常用的数据分析方法
要使各种结构化的.非结构化的.海量的数据实现标准化.信息化,能够提供业务绩效评估.业务决策支持等要求,我们首先需要进行数据分析. 同时,围绕业务问题,采用合适的分析方法,分析模型,以及分析工具,这是数 ...
- 功能测试常用6种方法_16种常用的数据分析方法聚类分析
聚类(Clustering)就是一种寻找数据之间内在结构的技术.聚类把全体数据实例组织成一些相似组,而这些相似组被称作簇.处于相同簇中的数据实例彼此相同,处于不同簇中的实例彼此不同. 聚类分析定义 聚 ...
- 哪些是常用的数据分析方法
数据分析工作中都是有很多的数据分析方法的,我们掌握了数据分析方法以后才能够做好数据分析的工作.那么数据分析的方法都有哪些呢?常用的数据分析方法有描述统计.信度分析.相关分析.回归分析.聚类分析等.如果 ...
- 数据分析师常用的数据分析方法有哪些？
很多做数据分析或者刚接触数据分析的小伙伴,不知道怎么做数据分析.一点思路都没有,今天就给大家盘点数据分析师常用的数据分析方法.希望看完此文的小伙伴,有一个清晰的数据分析思维. 方法论和方法有什么区别? ...
- [数据分析干货]四种简单常用的数据分析方法，学完立马升职加薪！
你是否做了N个渠道推广,却不知道钱花的效果怎么样? 你是否用数据做了很多图表,但是只知道表象却不会深入分析现象背后发生了什么,得不出什么有效的结论? 今天就来给大家分享4种最常用的数据分析方法,让你在 ...
- 16种常用的数据分析方法-信度分析
数据分析系列更新啦~ 往期请戳: 16种常用的数据分析方法-列联分析 (转发收藏呀~)
- 推荐收藏 | 统计学 常用的数据分析方法大总结！
作者:阿平@zhihu 来源:知乎 一.描述统计 描述统计是通过图表或数学方法,对数据资料进行整理.分析,并对数据的分布状态.数字特征和随机变量之间关系进行估计和描述的方法.描述统计分为集中趋势分析和 ...
- 常用的数据分析方法汇总
点击上方"小白学视觉",选择加"星标"或"置顶" 重磅干货,第一时间送达 一.描述统计 描述统计是通过图表或数学方法,对数据资料进行整理.分 ...
- 整了9种最常用的数据分析方法！
大家好,我是小z,也可以叫我阿粥 今天给大家分享一篇关于常用数据分析方法的干货~ 一.关联分析 关联分析,也叫作"购物篮分析",是一种通过研究用户消费数据,将不同商品之间进行关 ...
最新文章
- task_struct源码
- 用源码轻松搭建LNMP ！
- 29-分数求模（逆元）
- 数据结构基础：算法的基础知识笔记
- php 获取浏览器时区,获取用户时区
- 中国最惨创业者的惨痛教训！
- 卸载360企业版密码
- phpcms 会员头像h5上传_PHPCMS 在任意页面调取会员头像
- egg项目和DVA项目的目录结构比较
- 微信php开发包,TP5专用微信sdk使用教程
- Hadoop 为什么不建议使用 RAID？
- amd锐龙笔记本cpu怎么样_九代酷睿还是AMD锐龙？多款标压笔记本处理器性能实测对比...
- fopen及读写权限
- 文本文件后缀修改为 .html
- 如何轻松画好服装设计效果图
- 计算机等级考试java题型_全国计算机等级考试二级JAVA笔试题目
- 模拟google电吉他2.1GA发布,可录音支持键盘。强势更新!!!
- quartus生成qdb文件_quartus 生成qxp和vqm文件的方法
- IM开发干货分享：如何优雅的实现大量离线消息的可靠投递
- Java 设定工作日日历