在互联网时代,我们的工作中太容易接触数据了,比如用户行为的分析、用户的喜好、产品的好坏等等,都是可以通过纷繁复杂的数据看出来的。但是在我们的工作中,很多没有怎么接触过数据分析的朋友会缺少数据思维,会带 ...
在互联网时代,我们的工作中太容易接触数据了,比如用户行为的分析、用户的喜好、产品的好坏等等,都是可以通过纷繁复杂的数据看出来的。
但是在我们的工作中,很多没有怎么接触过数据分析的朋友会缺少数据思维,会带着主观的意识去看待客观的数据,这也就导致了很多时候数据分析没问题,但是结果却差之毫厘,谬以千里。
为了避免这种情况的出现,今天我总结了四个我平常工作中最常使用到的数据分析基本法,大家可以做参考。
趋势分析 如果我们平常接触的数据多是连续的数据(日期等),非离散的数据,那么我建议这时候就用趋势分析来看数据。
同样一个日期维度划分的数据,如果单单只看表格的话,我们很容易在数字中看得晕头转向,这时候一般可以用线图来呈现问题。如果线图出现波峰,这说明当天可能有活动节点,数据趋势达到了峰值。如果线图出现了周期性的变化,比如一周之内有两天数据不好,那么就可以分析这两天是否有一些客观因素影响数据。
在我们跟踪一些核心指标,且需要长期跟踪的时候,都要用到趋势分析。借此来看数据有那些趋势上的变化,有没有周期性,有没有拐点,并分析背后的原因。
对比分析 对比分析分为横向对比和纵向对比。横向对比即自己跟自己对比,比如同环比、目标值对比等等。纵向对比指的是跟别人比,比如跟竞争对手去做对比。
在做对比分析的时候,我们要保证数据是单一变量,其他条件保持一致。比如我们去看一个产品各地区售卖的好坏,就需要确定它的销售渠道一样,销售时间一样,用户质量一样,只有这样才能得出更精确的数据分析结果。
象限分析 象限分析指的是依据数据的不同,将各个比较主体划分到4个象限中。下面我给大家举一个我在工作场景中用到的象限分析法的实例。
我们搞了一个APP,去研究各个渠道在同一时间上的用户的数量和质量间的关系。我们划出了四个象限:高质量高数量的象限、高数量低质量的象限、高质量低数量的象限和低质量低数量的象限。做出这个象限之后,我们直接筛掉了一批耗费资源的渠道,也对部分高低交错的渠道进行了投放策略的优化。结果第二个月该APP的月活就有明显的提高。
以此可见,象限分析的重要性。
交叉分析 我们前面讲了横向对比和纵向对比,那么如果我们又要横向,还要纵向呢?这时候就用到了我们数据分析中的交叉分析法。
在BI产品中我们能看到一个叫交叉表的东西,其实这两个完全是一个意思。比如,我先搞了一个我司APP总日活,和竞品APP总日活的数据做对比,那么,可能会简单得出谁更牛。但是如果我去细分这个数据,按照月份的时间维度去做展开,那么这个数据会变的很有意思,其中蕴含的信息远远比原数据更丰富。
借此,我们甚至能细化到每个月份两个公司的相应动作,及其影响。以此来为该APP的后续运营指定战略方向。
对于普通的数据对比,我们哪怕往里面加入一个维度,这个数据的信息量就会几何式上升,那么当我们加入更多维度呢?其结果不言而喻。我个人习惯添加的维度有:时间、渠道、用户标签、地区等等,大家也可以做一个参考。
坦白讲,数据分析的方法除了学习,更靠感悟,数据来的时候总是五花八门,但处理起来又万变不离其宗,找到共性,挖掘个性,在懂数字的基础上,更懂业务,才是数据分析之不二法门。 |
2024-02-29
2024-01-22
2024-01-03
2023-12-27
2023-12-08
回答
回答
回答
回答
0