起點課堂會員權益
職業體系課特權
線下行業大會特權
個人IP打造特權
30+門專項技能課
1300+專題課程
12場職場軟技能直播
12場求職輔導直播
12場專業技能直播
會員專屬社群
榮耀標識九大數據分析方法：相關分析法
編輯導語：在平常工作中，我們常常會需要衡量兩者之間的關系，這時，我們就可以用到一種基礎的分析方法——相關分析法。本文介紹了相關分析法的使用方法以及其不足之處，希望對你在數據分析中有所幫助。
在工作中，我們經常會問：
- 下雨和業績下降有多大關系？
- 銷售上漲和新品上市有多大關系？
- 營銷投入與業績產出有多大關系？
這些問題，都有一個基礎分析方法有關：相關分析法。
一、什么叫“相關
簡單來說，相關就是兩個事件之間有關系。比如：
- 廣告投入與銷售業績
- 下雨刮風和門店人流
- 用戶點擊和消費行為
即使沒有做分析，直觀上看這些事件之間也有關系。但是不做分析的話，具體是啥樣的關系，很難說清楚。而相關分析，就是找出這種關系的辦法。
二、什么是“相關分析”？
相關分析，特指：找到兩個數據指標之間的相關關系。比如一個APP里，用戶反復瀏覽一款商品，所以他會買嗎？
- 一派認為：看的多，說明用戶感興趣，所以會買
- 另一派認為：看了這么久都不買，那肯定不會買了
- 還有一派認為：看多少次跟買不買沒關系，得看有沒有活動
聽聽似乎都有理，最后還是得數據說話。這里討論的，就是：用戶瀏覽行為與消費行為之間，是否有關系的問題。相關分析，即要找出這兩個指標之間的關系。
三、直接相關關系
注意：指標之間可能天生存在相關關系。常見的有三種形態：
- 在結構分析法中，整體指標與部分指標之間關系
- 在指標拆解法中，主指標與子指標之間的關系
- 在漏斗分析法中，前后步驟指標之間的關系
（如下圖所示）
這三種情況，稱為：直接相關直接相關不需要數據計算，通過指標梳理就能看清楚關系。直接相關的情況下，兩個指標出現同時上漲/下跌的趨勢，是很好理解的。比如：
- 整個公司業績都不好，所以A分公司業績也很差（結構分析）
- 客戶數太少了，所以整體業績不好（主指標、子指標）
- 看到廣告人數太少了，所以最后轉化不好（前后步驟）
如果直接相關的兩個指標沒有同漲同跌，往往意味著問題。比如做用戶增長，注冊的新用戶數量大漲，但付費轉化率持續大幅度下跌，這就說明獲客效率在下降，可能是目標用戶已耗盡，也有可能是渠道在造假，也有可能是獲客方法有誤，總之要深入分析（如下圖）。
四、間接相關關系
有些指標并非直接相關，但理論上是有關系的。比如品牌廣告與銷售收入，理論上肯定是存在關系：廣告多了，知名度高了，銷量肯定好。
但是品牌廣告又沒有帶貨鏈接，不能直接說：有5000萬的銷售業績是用戶通過廣告鏈接購買的。此時就是典型的間接相關關系（如下圖）。分析間接相關關系，有2種常用方法，一種是散點圖法，可以直接做散點圖，發現相關關系（如下圖所示）
另一種是計算相關系數。這里先不講相關系數具體公式，小伙伴們只要記得excel里對應的操作即可（如下圖）。
計算出可以發現，廣告投入與銷售兩個指標之間，確有相關關系。至于具體是怎么相關的，可以再做進一步研究。間接相關關系，經常用來找改進業績的措施。比如互聯網行業里著名的“魔法數字”法，本質就是找用戶瀏覽、點贊、分享、登錄等行為，與用戶留存、付費行為之間的相關關系。
如果發現：當用戶點贊4次以后，用戶的90天留存會明顯增高。那么就把這個“4次留存”稱為魔法數字，然后努力推動用戶完成4次點贊。
五、相關分析的不足之處
世界上沒有完美的分析方法，相關分析有兩大不足之處。
1. 相關不等于因果
兩個指標相關關系，本質上只是一條數據公式計算出來的結果，至于兩個指標為啥相關？不能直接從計算里得結論。實際上只要兩個指標走勢相似，在計算的時候就能顯示出相關關系。
這里有一個經典例子，下圖是我在小區里種的一棵樹的高度，與我國GDP之間的相關分析。大家會發現：哇塞！這倆指標完美相關哦！那么我種的這顆樹就是我國的龍脈，能保佑我國經濟騰飛咯？——當然不是！這就是相關不等于因果的直接體現。
2. 相關分析不能解決非量化指標問題
很多時候，我們想找的關系不能用數據量化。比如我們想知道：旗艦店是不是比社區店更能吸引消費者。一個店是不是旗艦，取決于位置、裝修、宣傳等諸多因素，不能粗暴的用開店面積、員工人數等指標來代替。想分析這種非量化特征與指標之間的關系，需要用到另一種分析方法：標簽分析法。
作者：碼工小熊，微信公眾號：碼工小熊
本文由 @碼工小熊 原創發布于人人都是產品經理，未經許可，禁止轉載。
題圖來自 Unsplash，基于CC0協議
寫的非常好