中文字幕无码av不卡一区,亚洲综合AV永久无码精品一区二区,黑人巨大白妞出浆,黄色高清无码免费看,久久久久免费精品国产,久久无码人妻丰满熟妇区毛片,欧美日韩国产综合草草,久久福利网站,亚洲一区二区三区中文字幕在线,av国内精品久久久久影院

編輯導(dǎo)語：在數(shù)據(jù)分析中，有各種各樣的分析方法供我們使用。復(fù)雜的分析方法固然好用，但是日常工作中經(jīng)常用到的還是基礎(chǔ)的分析方法。本文作者為我們介紹了六種常見的分析方法，如果你能熟練的使用它們，相信能夠解決許多的日常數(shù)據(jù)分析問題。

日常數(shù)據(jù)分析中，尤其是業(yè)務(wù)分析中，常用的分析方法論主要是幾大類，本文會(huì)介紹我認(rèn)為比較關(guān)鍵的六大類常用方法，熟練地混合交叉使用這六大類基本方法，80%的日常數(shù)據(jù)分析問題都能解決。

下面我會(huì)介紹這些方法有哪些，并且給出實(shí)例介紹如何使用這些方法。

一、多維分析

所謂多維分析就是細(xì)分分析，做多維分析首先要明確2個(gè)方向：維度和指標(biāo)。

• 指標(biāo)：指的是用來記錄關(guān)鍵流程的，衡量目標(biāo)的單位或方法，如DAU、留存率、轉(zhuǎn)化率等。
• 維度：指的是觀察指標(biāo)的角度，如時(shí)間、來源渠道、地理位置、產(chǎn)品版本維度等。

多維分析，就是在多個(gè)維度拆解，觀察對(duì)比維度細(xì)分下的指標(biāo)。實(shí)現(xiàn)將一個(gè)綜合指標(biāo)細(xì)分，從而發(fā)現(xiàn)更多問題。

舉個(gè)實(shí)際用途的例子，KPI拆解，制定明年的KPI目標(biāo)：

1. 第一步：指標(biāo)拆解，商品營(yíng)收=（新用戶數(shù)+老用戶數(shù)）×商品訂單轉(zhuǎn)化率×客單價(jià)；
2. 第二步：對(duì)指標(biāo)進(jìn)行多維細(xì)分，新老用戶可以再細(xì)分客群，比如孕婦群體、運(yùn)動(dòng)愛好者、學(xué)生、白領(lǐng)等；商品訂單可以細(xì)分商品的類型、商品的價(jià)格、商品的供應(yīng)商、商品的品牌影響力等；
3. 第三步：根據(jù)歷史業(yè)務(wù)發(fā)展情況，計(jì)算不同用戶維度、不同商品維度下的商品營(yíng)收；
4. 第四步：求和不同用戶維度、不同商品維度下的商品營(yíng)收，即為商品總營(yíng)收。

在越來越講究精細(xì)化運(yùn)營(yíng)的今天，多維分析的作用越來越重要，管理層通常看的是綜合指標(biāo)，總值，但通常這些總值無法真正地發(fā)現(xiàn)問題。對(duì)于一線員工將總值拆解細(xì)分，才能發(fā)現(xiàn)問題，找到可落地的解決問題。

二、趨勢(shì)分析

有對(duì)比才有分析，有對(duì)比數(shù)據(jù)才能產(chǎn)生意義，所以對(duì)比分析在實(shí)際數(shù)據(jù)分析中是非常重要的一種分析手段，最常用的是基于時(shí)間的對(duì)比分析。基于時(shí)間的對(duì)比分析，主要是指同一指標(biāo)在不同時(shí)間周期的對(duì)比，主要分為同比、環(huán)比和定基比。

1. 環(huán)比是指：與相鄰的上一周期做對(duì)比，周期可以是時(shí)、日、周、月、季、年等。比如周環(huán)比，指的是本周與上一周的對(duì)比；
2. 同比是指：兩個(gè)周期同一個(gè)時(shí)間點(diǎn)的比較，目的是追蹤周期性的變化；
3. 定基比是指：和指定的時(shí)間基點(diǎn)對(duì)比。

舉個(gè)數(shù)據(jù)例子：如2017年10月的月同比，指的是2017年10月和2016年10月做對(duì)比，而2017年10月的月環(huán)比，指的是2017年10月和上一周期2017年9月做對(duì)比。

三、轉(zhuǎn)化分析法（漏斗分析）

轉(zhuǎn)化分析也叫漏斗分析，主要是分析分析產(chǎn)品流程或關(guān)鍵節(jié)點(diǎn)的轉(zhuǎn)化效果，常借助漏斗圖展現(xiàn)轉(zhuǎn)化效果。

漏斗圖是一種外形類似漏斗的可視化圖表，該方法可以直觀追蹤產(chǎn)品的整體流程，追蹤業(yè)務(wù)的轉(zhuǎn)化路徑，追蹤不同生命階段下的用戶群體表現(xiàn)。漏斗分析常用的場(chǎng)景主要有：

1. 產(chǎn)品流程的關(guān)鍵路徑轉(zhuǎn)化追蹤，比如電商常用的購買流程；
2. 業(yè)務(wù)價(jià)值路徑的轉(zhuǎn)化流程追蹤，比如常用的AARRR模型的價(jià)值轉(zhuǎn)化追蹤；
3. 虛擬流程類指標(biāo)追蹤，比如按生命周期區(qū)分的不同生命周期階段的用戶流轉(zhuǎn)形態(tài)追蹤。

舉個(gè)例子，針對(duì)AARRR模型轉(zhuǎn)化場(chǎng)景：

AARRR是Acquisition、Activation、Retention、Revenue、Refer這五個(gè)單詞的首字母縮寫。它主要闡述的是用戶從獲取到激活，到留存，到產(chǎn)生營(yíng)收，到口碑認(rèn)可正向傳播的一系列閉環(huán)效應(yīng)。

我們可基于用戶量計(jì)算出這些節(jié)點(diǎn)的轉(zhuǎn)化率，從而判斷哪些節(jié)點(diǎn)的轉(zhuǎn)化率差，哪些節(jié)點(diǎn)還有優(yōu)化的空間，再通過具體的運(yùn)營(yíng)手段來提升節(jié)點(diǎn)轉(zhuǎn)化率。如下圖中的活躍購買率僅33%，是否可以運(yùn)營(yíng)手段將其提升到40%呢？

四、公式拆解法

所謂公式拆解法，就是對(duì)目標(biāo)變量用已知公式進(jìn)行拆解，從而快速找到影響目標(biāo)變量的因素。公式拆解法沒有固定的標(biāo)準(zhǔn)，一個(gè)目標(biāo)變量在不同的場(chǎng)景下或者說為解決不同問題，需要利用公式拆解的細(xì)致程度也不一樣。

常見的公式拆解的場(chǎng)景有：

1. GMV計(jì)算

GMV = 下單用戶量*客單價(jià)

=（新用戶+留存用戶+召回用戶）*客單價(jià)

= （廣告觸達(dá)量 * 轉(zhuǎn)化率 + 老用戶*留存率 + 召回觸達(dá)用戶量 * 召回率）* （商品量*商品單價(jià)）

2. ROI計(jì)算

ROI = 收益/成本

=（銷售單價(jià)*銷售量）／（固定成本+可變成本）

（收益和成本也可以繼續(xù)根據(jù)業(yè)務(wù)進(jìn)行拆解）

3. DAU預(yù)估

A(n)：第n天的新增用戶；R(n)：第n天的留存率

DAU(n) = A(n) + DAU(n-1) * R(1)

= A(n) + A(n-1) * R(1) + DAU(n-2) * R(2)

= A(n)+A(n-1)R(1)+A(n-2)R(2)+… …+A(1)R(n-1)

4. 凈資產(chǎn)收益率ROE

ROE = 當(dāng)前凈利潤(rùn)／當(dāng)期平均凈權(quán)益

= 利潤(rùn)率 * 總資產(chǎn)周轉(zhuǎn)率 *財(cái)務(wù)杠桿

= 凈利潤(rùn)／銷售收入 * 銷售收入／總資產(chǎn) * 總資產(chǎn)／權(quán)益

根據(jù)公式對(duì)目標(biāo)變量拆解后，我們通常會(huì)對(duì)拆解后的變量做更精細(xì)的分析，并且提出可落地解決問題的解決手段。

如下圖所示，這是電商／零食行業(yè)最常用的拆解解決問題的框架，為提升銷售額，在實(shí)際解決問題中都要細(xì)化到廣告拉新、用戶分析、商品分析等層面。

五、綜合評(píng)估法

綜合評(píng)估法是將多個(gè)指標(biāo)綜合成一個(gè)指標(biāo)評(píng)估的方法。這種方法是非常常見的，如我們?nèi)粘Ｖ械奈浵佇庞梅帧⑽⒉岫?、游戲?zhàn)績(jī)排名等都是基于綜合評(píng)估法實(shí)現(xiàn)的。

綜合評(píng)價(jià)法的特點(diǎn)表現(xiàn)為：

1. 評(píng)價(jià)過程是通過一些特殊的方法，按指標(biāo)的重要性對(duì)多指標(biāo)加權(quán)，多個(gè)指標(biāo)的評(píng)價(jià)是同時(shí)完成的，而非一個(gè)一個(gè)逐次完成的；
2. 在多指標(biāo)整合進(jìn)行綜合評(píng)價(jià)指標(biāo)的過程中，會(huì)涉及權(quán)重的設(shè)定；
3. 綜合評(píng)價(jià)法生成的綜合指標(biāo)不再是單純意義上的單個(gè)指標(biāo)的意思，而是多個(gè)指標(biāo)的綜合反映。

因此，對(duì)于綜合評(píng)估法，賦權(quán)是非常重要的環(huán)節(jié)。而賦權(quán)的方法可分為兩類：主觀評(píng)估法和客觀評(píng)估法?？陀^評(píng)估法是指：變異系數(shù)、熵分析、主成分分析等；主觀評(píng)估法是指：層次分析法、專家賦權(quán)等。

1. 變異系數(shù)法

變異系數(shù)等于樣本標(biāo)準(zhǔn)差除以樣本均值，是衡量樣本觀測(cè)值變異程度的變量。而且因?yàn)樽儺愊禂?shù)是除以了樣本均值，所以他是忽略了量綱的影響。那具體如何用變異系數(shù)定權(quán)重呢，具體步驟可以看下面：

第一步：對(duì)于每一個(gè)指標(biāo)計(jì)算變異系數(shù)cvcv_i=樣本標(biāo)準(zhǔn)差/樣本均值= σ/μ

第二步：計(jì)算各個(gè)指標(biāo)最終的權(quán)重

基于以上的計(jì)算公式可以看出，對(duì)于變異系數(shù)法定義權(quán)重，如果一個(gè)指標(biāo)可以明顯區(qū)分不同的樣本，那么就會(huì)有更高的權(quán)重；反之，如果樣本在某個(gè)指標(biāo)的表現(xiàn)上沒有特別明顯，即該指標(biāo)區(qū)分樣本的能力較弱，則應(yīng)該給這個(gè)指標(biāo)賦予比較小的權(quán)重。

2. 熵值法

熵的概念來源于熱力學(xué)，后來被引入信息論，用以表示對(duì)不確定性的一種度量。信息熵一般用來反映信息量的大小，信息量越大，不確定性越小，熵就越小；反之，信息量越小，不確定性越大，則熵就越大。

信息熵的計(jì)算方式如下：

假設(shè)有隨機(jī)變量X，對(duì)應(yīng)的值分分別為x1, x2, …, xn對(duì)應(yīng)的概率分別為pi，信息熵為：

具體基于信息熵計(jì)算權(quán)重的方法步驟如下：

第一步：計(jì)算指標(biāo)的比重假設(shè)有n個(gè)樣本，m個(gè)指標(biāo)，xij為第i個(gè)樣本第m個(gè)指標(biāo)的值。因?yàn)椴恢罉颖緦?duì)應(yīng)的具體指標(biāo)的概率，可以用m指標(biāo)下n樣本對(duì)應(yīng)的指標(biāo)值占該指標(biāo)總值的比率來表示。第xij指標(biāo)的比重pij為：

第二步：計(jì)算第j項(xiàng)指標(biāo)的熵值

第三步：計(jì)算各項(xiàng)指標(biāo)的權(quán)重

第四步：計(jì)算各個(gè)樣本的綜合得分

計(jì)算出的綜合得分是[0,1],可通過開根號(hào)再乘以100的方式，將其映射到[0，100]。

3. 層次分析法

層次分析法（AHP）是運(yùn)籌學(xué)中的概念，是指將與決策總是有關(guān)的元素分解成目標(biāo)、準(zhǔn)則、方案等層次，在此基礎(chǔ)之上進(jìn)行定性和定量分析的決策方法。

如下所示，要計(jì)算總得分，可以將其拆解為質(zhì)量、互動(dòng)、消費(fèi)、發(fā)布、附件這五個(gè)準(zhǔn)則，對(duì)于這五個(gè)準(zhǔn)則有再細(xì)分的方案。

那具體怎么定義權(quán)重，大體思路是：由專家分別在每一個(gè)準(zhǔn)則的細(xì)分方案下，對(duì)細(xì)分方案兩兩之間評(píng)重要程度（如1-9，1是同等重要，9是一方極端重要）。

再基于重要程度，可通過層次分析法的計(jì)算公式計(jì)算出每個(gè)細(xì)分方案的權(quán)重；同理可對(duì)五個(gè)準(zhǔn)則進(jìn)行重要評(píng)估，從而計(jì)算出五個(gè)準(zhǔn)則的權(quán)重。具體方法可百度，百度上有詳細(xì)的計(jì)算公式。

六、結(jié)構(gòu)化分析

所謂結(jié)構(gòu)化分析，其實(shí)就是邏輯樹和MECE的結(jié)合使用。

邏輯數(shù)是麥肯錫推廣的思考問題的工具，就是將目標(biāo)問題像樹一層一層拆解，最左邊是“樹根”（目標(biāo)／問題的起點(diǎn)），朝右是將某已知問題的影響層當(dāng)成已知問題的樹枝，每多一個(gè)影響層，則添加一個(gè)樹枝，直到列出已知問題的所有影響層為止。

且各邏輯樹枝之間的關(guān)系需要“相互獨(dú)立、完全窮盡”（MECE）。

結(jié)構(gòu)化分析是非常好用的一種方法，它能將問題層層有序拆解，有助于思路清晰，同時(shí)可以將復(fù)雜問題由繁化簡(jiǎn)。下面以一個(gè)應(yīng)用場(chǎng)景來舉例說明：

比如要分析某App用戶流失的原因，窮舉用戶流失的影響因素，做出邏輯樹。

雖說結(jié)構(gòu)化分析非常好用，但是構(gòu)建一個(gè)完美的框架（邏輯樹）可不是一件容易事，一般構(gòu)建結(jié)構(gòu)框架有兩種方法：自下而上和自上而下。

1. 自下而上

自下而上的意思是：先頭腦風(fēng)暴羅列可能的影響因素，再對(duì)羅列的影響因素歸類分解形成框架。

下面以一個(gè)應(yīng)用場(chǎng)景來舉例說明，比如如何在2年內(nèi)賺到100萬元？

1）第一步：羅列要點(diǎn)

2）第二步：連線歸類

一般是從時(shí)間、結(jié)構(gòu)、重要性三個(gè)維度進(jìn)行歸類。

3）第三步：形成框架

4）第四步：檢查是否有重復(fù)和遺漏

2. 自上而下

自上而下的意思是：已經(jīng)有可套用解決的框架，將需要解決的問題按照框架拆解，最后形成針對(duì)目標(biāo)問題的結(jié)構(gòu)框架?，F(xiàn)有的成熟的框架特別多，比如4P、4C、SWOT、PEST、5W2H等等。

3. 自上而下和自上而下對(duì)比

從上面的講解很容易看出兩種構(gòu)建框架的區(qū)別，具體的對(duì)比整理如下，日常中可為了提高框架輸出能力而有針對(duì)性的訓(xùn)練。

以上就是我要介紹的常用數(shù)據(jù)分析方法，掌握上述方法，我相信80%的數(shù)據(jù)分析問題都能得到合理的分析思路。但在實(shí)際場(chǎng)景中，很少僅用單一方法就能直接解決問題，大多數(shù)情況下都要綜合上述方法中的多種方法才可。

比如電商場(chǎng)景下的如何提升銷售額問題？就要用到公式法、轉(zhuǎn)化分析法、多維分析法及結(jié)構(gòu)分析法，經(jīng)過這樣一系列分解才能獲得可落地化的解決方案（公式拆解法里貼的示例圖就有比較詳細(xì)的邏輯拆解過程）。

本文由 @須臾即永恒 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理，未經(jīng)許可，禁止轉(zhuǎn)載

題圖來自 Unsplash，基于 CC0 協(xié)議