【必知必学】常用的五大数据分析方法！（下）

上篇文章，给大家分享了5个常用的数据分析方法，今天给大家带来剩下的5个方法，掌握并实际应用在时间中，就会让你的效率翻倍up哦！

1、AB测试
  增长黑客的一个主要思想之一，是不要做一个大而全的东西，而是不断做出能够快速验证的小而精的东西。快速验证，那如何验证呢？主要方法就是AB测试。
  比如：你发现漏斗转化中中间有漏洞，假设一定是商品价格问题导致了流失，你看到了问题-漏斗，也想出了主意-改变定价。但主意是否正确，要看真实的用户反应，于是采用AB测试，一部分用户还是看到老价格，一部分用户看到新价格，若你的主意真的管用，新价格就应该有更好的转化，若真如此，新价格就应该确定下来，如此反复优化。

2、埋点分析
  只有采集了足够的基础数据，才能通过各种分析方法得到需要的分析结果。
  通过分析用户行为，并细分为：浏览行为，轻度交互，重度交互，交易行为，对于浏览行为和轻度交互行为的点击按钮等事件，因其使用频繁，数据简单，采用无埋点技术实现自助埋点，既可以提高数据分析的实效性，需要的数据可立即提取，又大量减少技术人员的工作量，需要采集更丰富信息的行为。
  如：重度交互（注册，邀请好友等）和交易事件（加购物车，下订单等）则通过SDK批量埋点的方式来实施。

3、来源分析
  流量红利消失，我们对获客来源的重视度极高，如何有效的标注用户来源，至关重要。
  传统分析工具，渠道分析仅有单一维度，要深入分析不同渠道不同阶段效果，SEM付费搜索等来源渠道和用户所在地区进行交叉分析，得出不同区域的获客详细信息，维度越细，分析结果也越有价值。

4、用户分析
  用户分析是互联网运营的核心，常用的分析方法包括：活跃分析，留存分析，用户分群，用户画像，用户细查等。
  可将用户活跃细分为浏览活跃，互动活跃，交易活跃等，通过活跃行为的细分，掌握关键行为指标；通过用户行为事件序列，用户属性进行分群，观察分群用户的访问，浏览，注册，互动，交易等行为，从而真正把握不同用户类型的特点，提供有针对性的产品和服务。
  用户画像基于自动标签系统将用户完整的画像描绘清晰，更有力地支撑运营决策。
比如：
用户性别 / 年龄 / 收入 / 活跃成都 / 购物类型 / 促销敏感度 / 购物忠诚度 / 颜色偏好等特点

5、表单分析
  填写表单是每个平台与用户交互的必备环节，优秀的表单设计，对转化率的提升起到重要作用。
  用户从进入表单页面之时起，就产生了微漏斗，从进入总人数到最终完成并成功提交表单人数，这个过程之中，有多少人开始填写表单，填写表单时，遇到了什么困难导致无法完成表单，都影响最终的转化效果。