本次講的是兩個基礎的分析方法，對比分析和細分分析法。這兩個方法在今后的分析工作中幾乎處處要用到，這也是基本的數據分析思路，所以提前到這里來講。

一、對比分析法

對比分析法在本質上是通過數據計算方法來判定兩個解決方案的優劣。

一個常見的例子是：同一個電商網站上的商品A和商品B，哪一個對網站貢獻更大呢？按常規的考量銷量的方式顯然不足以進行全面的對比，在這里我們要綜合考慮訪問量、轉化率、商品熱度才能更全面的評估兩個商品對網站的貢獻。

1、對比分析法的比較基準

比較基準的設定是統一對比單位的重要步驟，設定方法分別是：百分比評分均值法、標準化指標合并法。

1.1 百分比評分均值法

“百分比評分均值法”是將指標的值都轉化成百分比的形式，一個通用有效的方法就是將所有指標都除以總體的最大值，這個方法對所有大于0且分布不是特別離散的指標都是很有效的。

舉個例子說明——

從下面的表格中知道，4種商品中訪問量最高的是商品A的563 ，轉化率最高的是商品B的9%。所有商品的訪問量除以563，轉化率除以9%，然后得到各自的百分比評分，然后將兩列評分做簡單平均后得到綜合評分。

顯然，通過比較綜合評分來判斷商品在表現更合理。

如果考慮的再全面些，針對不同商品的重要性設定權重，結果更能真實有效的評估商品的好壞。

比如，上面表格中采用加權平均的方法，商品的綜合評分又發生了變化，如下圖。至于是否加權，以及各指標的權重如何設定，則可以根據分析的需要和指標的特征來確定。

1.2 標準化指標合并法

“標準化指標合并比較法”是用標準化的方法消去各指標單位的影晌后再進行合并比較的方法。

數據的標準化是將數據按比例縮放，使之落入一個小的特定區間 。

公式為?X=（x-u）/σ （U代表均值，σ 代表方差）

舉個例子——

如下表格中數據，Bounce Rate衡量進入，轉化率CR衡量產出。A、B、C三個優化方案哪個才是最優的呢？

將各指標標準化后取均值進行比較，我們可以看出A方案最優。

2、對比分析法的“實驗環境”設定

進行對比分析的重要條件是兩組參數需在同樣的條件下對比才有意義。這時候就需要人為地去設定合理的比較環境了，即數據分析的“實驗環境設定”。

實驗環境設定法有兩種：

• 基于時間序列的組內比較
• 基于對照實驗的組間比較

2.1 基于時間序列的組內比較

基于時間序列的組內比較：一般是在時間序列上的某個時間點施加實驗剌激，并在實驗剌激的前后進行重復測試比較，從比較的結果反映實驗剌激是否對結果有影響。

舉個組內比較的流程例子——

公司前4個月薪資正常，在第5個月開始給員工加薪(施加實驗剌激)。這時就可以通過觀察之后4個月和之前4個月員工的工作效益和工作滿意度，來判斷這個實驗刺激是否對提升員工工作效益和工作滿意度有效果。

2.2 基于對照實驗的組間比較

基于對照實驗的組間對比：一般是在同一時間設定兩組樣本，（實驗組和控制組），然后對實驗組施加實驗剌激，控制組維持原狀態不變。通過對實驗組和控制組比較來判斷實驗的剌激是否對結果有影響。

舉個組間比較的流程例子——

拿前面例子來說。假如只讓部分員工漲薪，再去比較未漲薪的員工和漲薪的員工前后4個月的工作效益和工作滿意度的差異，如果差異顯著就可以證明漲薪這個實驗剌激對結果是有顯著影響的。

2.3 特殊情況下，實驗環境如何設定

有時候會遇到無法提供實驗的對比環境，那該怎么做呢？舉例說明。

如下表：有活動前和活動中各5天的數據。以訂單數作為指標，說明活動能否顯著提升每天的訂單量。

由表中數據可發現：每天的用戶數本身就是一個遞增的狀態，活動也帶來用戶數的提升。那么，訂單數的提升是由于用戶數的提升帶來的，還是活的效果帶來的呢？

不考慮數據本身的自然增長，直接比較活動前后日均訂單數的差異；

將數據的自然增長考慮進去，可以將日均用戶數的增長率作為整個網站數據的自然增長率。

這樣，比較的結果就發生了改變?；顒忧暗脑痪唵螖党松献匀辉鲩L率后要比活動中的曰均訂單數高，從結果看活動對訂單數的提升無顯著影響。

當然，直接比較活動前后的人均訂單數也可以得出結果。但是用上面乘以自然增長率的方法還可以進一步評定活動帶來的效果。如果活動促進了訂單數量的增長，我們可以估算出活動期間日均訂單的增加量是多少，這樣就可以直接考核活動的績效。

二、細分分析法

細分分析的目的是為了看清問題真正的所在，從而找到解決辦法，細分分析是指將指標與維度相互組合。

例如網站報告一般都是網站數據的綜合情況，包括網站的總訪問量、總停留時間、總銷售量等。但是我們不知道用戶在不同頁面、不同內容、不同渠道的停留時間以及訪問量，也就是說這些匯總數據無法對不同屬性的流量進行正確的判斷。所以，無論是從用戶還是從網站的角度，流量細分都是很重要的。

1、指標和維度的類型

指標是用來記錄訪問者行為的數字，維度是用來提供觀察訪問者行為的一種角度，維度必須與指標在一起時才有意義。指標又可分為基本指標和復合指標，常見的基本指標有訪問次數、綜合瀏覽量等，常見的復合指標有訪問深度、跳出率、平均網站停留時間、新訪次占比等。常見的維度類別有訪問者屬性維度、時間維度、流量來源維度、地理維度、內容維度和系統維度等。

2、細分例子

例如某日，你的老板說：我想知道2015年5月9日北京地區使用Safari瀏覽器在Google搜索“藍鯨”關鍵詞并點擊了自然排名結果的訪問次數。

聽完這個需求后，你可能感覺有點暈，好多的條件混在一起，這個數據要如何獲得呢?其實包含了6個維度和1個指標。

這6個維度和1個指標分別是 ：

• 時間維度——2010年3月10日
• 地理維度——北京地區
• 瀏覽器維度——Safari瀏覽器
• 流量來源維度—— Google
• 流量屬性維度——自然排名結果
• 關鍵詞維度——”藍野”
• 指標——訪問次數

而這個分析過程也很快，5分鐘就可搞定，步驟如下：

當然，如果嫌操作太復雜的話也可以通過標記用戶群進行自定義細分。常見的標記用戶群方法有：

• 通過用戶訪問特定的頁面對其進行分類；
• 通過用戶點擊特定的鏈接對其進行分類；
• 通過用戶的自主選擇對其進行分類。

當然，細分前得分清非注冊用戶、新注冊用戶、已注冊用戶。

本文由 @聽象?原創發布于人人都是產品經理。未經許可，禁止轉載。