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

編輯導語：數據分析是每一位產品經理必備技能，如果你想掌握一些好用又簡易的數據分析方法，那么，我推薦你看這篇文章，本文作者據此總結了許多類型的分析方法，既簡單又好用，感興趣的朋友來一起學習吧。

前面《數據分析之前知道這 7 件事，少花 80% 時間》講了在數據分析之前需要知道的事，在進入數據分析階段，筆者總結整理了一些好用易上手的分析方法，讓你事半功倍。以下，Enjoy~

一、數據分析的金字塔模型

數據分析從難易程度區分大致可以劃分為 5 個層級，覆蓋了數據整理、統計、機器學習的過程，數據分析后的決策環節不在本次討論的范圍。

5 個層級分別包括了：量化現況、量化變數之間的相關性、量化變數之間的因果關系、預測未來和求最佳解。

Q1：SaaS銷售人員拜訪新客戶次數的走勢如何？

比如層級 1，需要解的問題是量化現況?？梢允褂谩皵⑹鼋y計”、“數據可視化”等方法，把數據通過圖表的方式表現出來，從中觀察圖表的數量、頻次、波動、分布等等，這個層級主要是依賴可視化后的觀察得以實現。

Q2：SaaS銷售人員拜訪新客戶的次數，跟營業額有相關嗎？

Q3：市場部增加廣告投放量，就能得到更多訂單嗎？

像層級 2、3 中探索數據的相關和因果關系，是需要藉由數據觀察后，再進行二次推論，屬于數據挖掘。

Q4：SaaS產品經理追蹤哪些數據，才能知道用戶下個月會不會取消訂閱？

Q5：CEO該如何分配員工開發新客戶，才能讓營收最大化？

而層級 4、5 則是希望通過已有數據的樣本，去預估未來數據的可能性/概率、最佳解或近似解，屬于數據探索。

對于不同層級，需要面對的問題也不一樣，可以層層遞進，由易到難，逐一選擇數據分析需要解的問題。在進入數據分析階段，具備數據分析的層級結構認知尤為重要，這決定了你能夠在對的時機做對的事情。

二、7 種常見數據分析方法

2.1 總量分析

用于描述某個母群（population，指你想了解的集合體，可能是顧客或產品）或某個市場區隔，或者比較兩個市場區隔的差異，是最常用、最簡單的分析方法。

Q：哪些人會在酒莊辦婚禮呢？

查閱過往 3 年、300 位顧客的預約記錄→分析性別、年齡、戶籍地址→ 85% 女性、平均年齡 33 歲、60% 是當地人→如何針對這群人溝通、拓展業務？

2.2 相關分析

觀察 2 件或多件事情間的關系，期望能用一個因素解釋或驅動另一個因素。

Q：為什么推出某個功能后，轉化率會下降？

• 假設 1：轉化率跟瀏覽器有關。
• 假設 2：轉化率跟有無網絡信標（web bug）有關。

結論：

• Chrome 瀏覽器如果有網絡信標，會造成轉化率下降 13%。
• Chrome 瀏覽器造成轉化率下降 20%。
• 60% 的轉化率下降仍然無法解釋。

注：網絡信標（web bug）是一個放在網頁或電子郵件上的文件對象，用于監測用戶的行為。

2.3 趨勢分析

分析一段時期內的趨勢，常用于檢視一段時間內的銷售績效或營業成長率，目標是找出中斷的節點，并指出那段時期內受影響的原因。

Q：營收增長，但成長率卻下降，原因出在哪？

步驟 1，觀察一段時間內的趨勢。

步驟 2，加入各產品、各渠道的營收和成長率。

觀察結果：S 成長率不斷下降、M 的站外成長率卻在上升。

步驟 3，量化影響。

觀察結果：S 占營收成長率下降的 84%，必須集中心力采取行動。

2.4 規模估計

在缺乏歷史的情況下，以結構化的方法估算。通常用于進軍新市場的企劃，或是要了解未上市產品的銷售潛力。

Q：想在廣東某城市推廣小學夏令營產品，怎么估算市場規模？

步驟 1，分層。將問題切割，找出可能不同的市場區隔。

市區和郊區的小學密度可能不同

步驟 2，設計方程式。確定哪些數值和因素可能影響正在估算的規模數值。

城市、人口和財富可能影響小學的數量

小學數量=城市數量x每座城市的人口數x每群人口的學校數量x財富因數（市區和郊區的財富對比）

步驟 3，計算方程式。對方程式里的數值進行假設。

市區人口=50K，郊區人口=10K。

每10K人有1所學校，市區的財富是郊區的2倍。

市區小學估計值：20x50000x1/10000=200

郊區小學估計值：20x10000x1/10000=20

約有220所小學

2.5 預測分析

分析目前和過去的事實數據，來預測未來的事件或行為，最常使用的統計技術是回歸和分類。

Q：結賬的轉化率變低了，為什么？

利用邏輯回歸建立模型（特別的回歸形式，適用于因變數是二元性質，“有或沒有”，此案例考量即為有轉化或沒轉化）

因變數：想要預測的目標，如轉化率。

自變數：指可能和因變數有關系，或是沒有關系的一些未知數，由所提出的假設決定，如藍色按鈕、橫幅廣告等。

2.6 市場區隔

區隔顧客或產品成有意義的群組，通常是為了鎖定目標，透過量身打造的方式，讓該目標群體產生更高的價值。

Q：哪些客戶只想折扣？哪些客戶想要第一手信息？

用 RFM 模型為顧客分組。

2.7 顧客生命周期分析

觀察消費者的購買流程，以確定某一群顧客正處于哪個階段，以及怎么將他們推向下一個階段。

Q：怎么讓使用者成為重度玩家？

同類群組分析→ 客戶存活的天數過短，就必須加強使用者體驗；若新客戶人數逐漸減少，則必須加強廣告或增加促銷活動。

三、4 種統計數值掌握數據特性

手上有一群數據的時候，要快速掌握數據的特征，可以從“平均數”、“中位數”、“眾數”和“標準差”下手。

Q：這是公司全體員工職業 IT 素養程度報告，身為公司數字化轉型的負責人，該如何利用它擬定教育訓練策略？

整體實力中等，滿分 10 分，拿到平均成績為 5.8 分。

組織實力分布不均，中位數低于平均數，表示能力落后的成員較多，應依能力設計不同的課程，或由能力佳者帶領落后者學習。

員工職業IT素養程度表

四、2 個敘述統計的陷阱

敘述統計雖然能夠幫助我們掌握數據的特征，快速產生觀點，但在應用平均數、百分比推導結論時，要留意陷阱。

4.1 平均數陷阱

平均分提高了 1.2 分，表現優異。

平均數雖然提高了，但標準差只縮小 0.6分，代表組織內程度差距未縮小，可能是有IT背景者進步幅度大，拉高了平均分。

4.2 百分比陷阱

近 3 年員工職業 IT 素養的成績持平，2021 年成績跟 2019 年一樣。

不要用百分比去推算分數是否成長，因為每年的基期不一樣，所以增長或減少的數值會不同。下表所示，2021 年成績比 2019 年少了 0.71 分。

五、5 種數據比較的方式

「比較」是讓數據產生意義的有效方式，但怎么比、跟誰比？我整理了 5 種比較方式，以拿到某品牌掛耳咖啡的銷售數據為例。

5.1 差距比較：分析對象和比較對象的差異

Q：某公司掛耳咖啡包全年營收 3 億在市場上的表現如何？跟競爭對手的差距為何？

步驟 1，選擇比較對象，同類性質互比。

步驟 2，設定比較基準值，繪制條形圖。

A：掛耳咖啡包為 A 公司主力商品，雖然 A 公司在咖啡包全年收入上超越我們，但比起 A 公司，我們具有多項產品同步發展的優勢。

5.2 趨勢比較：分析一段時期內市場、營收、產品的走勢

Q：某公司掛耳咖啡包 2021 年營收 3 億，跟前幾年比有成長嗎？成長了多少呢？

步驟 1，搜集近 10 年公司咖啡包營收數據，繪制折線圖。

步驟 2，觀察曲線走向，根據轉折點、異常值推測變化的原因。

A：跟 2020 年比沒有成長太多，但與 2012 年相比營收成長了 10 倍，顯然販售聯名商品有效果。

5.3 指數分析：利用總體市場數據，判斷品牌的目標對象

Q：某公司掛耳咖啡包在市場上哪個年齡層最有優勢？

步驟 1，搜集比較對象的人口分布比例。

步驟 2，計算指數數值。當指數小于 95，代表在該年齡層為相對少數，指數大于 105 代表在該年齡層為相對多數。

A：咖啡包在 25~44 歲的客群中有競爭優勢，45 歲以上的客群還需要經營。

5.4 異質比較：分析數據的結構是否明確偏向或集中某處

Q：假設掛耳咖啡包月度營收為 250 萬，跟公司的其他產品相比表現算好嗎？

步驟 1，將所有產品月度營收分布由大至小排列，并記錄區間次數。

步驟 2，繪制直方圖，注意分散的程度、峰值數量。

圖 1：一個峰值位于中間、圖偏向「鐘型曲線」，代表數據為常態分布，產品的營收平均值與中位數較不受異常值影響，分布比較平均。

圖 2：有 2 個峰值，平均數、中位數受異常值影響，數據分布不平均。

A：產品月度營收分布如圖 1 所示，代表產品的月度營收分布平均，集中在 151~200 萬區間，咖啡包收入 250 萬高于平均，表現不錯。

5.5 變數分析：比較多個事件的關系，希望找到其中一個事件能去解釋另外一個事件

Q：網絡廣告費用的多少，是否影響掛耳咖啡包的銷售額？

步驟 1，利用 Excel 的 CORREL 函數計算廣告投入費、銷售額的相關系數，系數越接近 1，代表廣告費投入與銷售額呈正相關；系數越接近 -1，則表示兩者為負相關。

步驟 2，將數據繪制成分布圖。

A：廣告投入費用與產品銷售額呈正相關，代表投廣告的行銷策略有效，下次退出新品時可參考此策略。

六、數據比較的陷阱

Q：患者死亡率是評估醫療品質的指標之一，試試從下表評判，A、B醫院，哪間醫療品質更好？

無法評判。

參考表 1 時，B 醫院平均死亡率比 A 更低，B 醫院表現比 A 更好；但表2加入「輕重癥死亡人數」變項時，A醫院無論在輕癥、重癥死亡率都比 B 更好，為什么會這樣？

原因：

因為 A 醫院的重癥人數是 B 的3倍以上，導致平均死亡率被拉升，只要 A、B 醫院輕重癥患者比例相同，就不會有類似的問題。這個案例被稱為「辛普森悖論」現象，也就是當某項統計變項為搜集到（此例為輕重癥人數比例），造成統計結果逆轉的現象。

避免方式：

1. 比較對象程度一致：醫院不跟診所比。
2. 依分析目的決定數據分析方法：整體狀況適用平均數分析；群體內比較則搜集更多統計變項的數據。

七、相關關系與因果關系

Q：許多世界知名的領導者都愛好運動，前美國總統奧巴馬從小打籃球、youtube總裁沃西基擅長冰球。所以我們可以推測，「擅長運動的孩子，學習力更好」？

運動與學習力之間應為相關關系而非因果關系，兩者之間可能存在著第三變數，也就是家長對教育的重視程度。

培養運動能力，未必能提升學習力。運動能力→學習能力→家長對教育的重視程度。重視教育的家長，會引導孩子學習，所以他們的成績比較出色。重視教育的家長，會注意孩子的飲食均衡，導致體力變好。

X 導致 Y 或 Y 導致 X，其實存在另一個變數 Z，是 Z 導致 X 和 Y。舉例來說，冰淇淋的銷售量會隨著穿短褲的人數增加而增加，不是「越多人穿短褲」導致「越多人買冰淇淋」，而是兩種發生的共同原因是「夏天氣溫較高」。

如果混淆了因果和相關，比方廣告預算越多，銷售額越高，容易導致做出錯誤的商業決策。所以，較謹慎的做法是進行隨機對照實驗（RCT，Randomized Controlled Trial），或者稱 A/B 測試（A/B Testting），就是把受試者隨機分為兩組，兩組只有一個變數不同，如果導致不同結果，便可以稱該變數導致某結果，或變數和結果有因果關系。

八、利用 A/B 測試，確認因果關系

南美國總統奧巴馬的競選團隊，便是利用 RCT 測試哪一種首頁的注冊率最高。結果相比原本想選擇「影片」和「望向遠方的獨照」，最后經對實驗選擇「奧巴馬全家?！沟姆桨缸屪匀藬刀嗔?288 萬人，并多募得 6000 萬美元的政治獻金。

如果環境不允許，或是沒有資源做隨機對照實驗，《數據分析的力量》建議用「自然實驗(natural experience)」替代，就是進行一系列假設、驗證，厘清因果關系。

舉例來說，想知道改變自付額，對醫療服務使用頻率的影響?？梢韵燃僭O「如果自付額會影響醫療服務的使用，70 歲以上的人，應該會比 70 歲以下的人，更常使用」，因為日本法令規范，70 歲開始，自付額由 3 成降為 1 成。

查詢公開數據后發現，隨著年齡愈大，醫療服務的使用者也愈多。但到了 70歲，原本緩慢上升的曲線突然大跳躍！

這個「斷層」代表有變數發生，而 69~70 歲比較普遍的改變，就是自付額的高低。自付額和醫療服務的使用頻率有因果關系得到了驗證。

#專欄作家#

龍國富，公眾號：龍國富，人人都是產品經理專欄作家，人因工程碩士。致力于終身學習和自我提升，分享用戶研究、客戶體驗、服務科學等領域資訊，觀點和個人見解。

本文原創發布于人人都是產品經理，未經授權，禁止轉載。

題圖來自Unsplash，基于CC0協議。