数据分析（五）

常用的数据分析方法：

对比分析，分组分析，矩阵关联分析，逻辑树分析，漏斗分析法

对比分析：

使用场景是用来判断某个数据是好还是坏，以及判断某几个数据时间的差异性。

• 时间对比：同比、环比、变化趋势（日，周，月，年）
• 空间对比：不同城市、不同产品对比
• 目标对比：年度目标、月度目标、活动目标
• 用户对比：新用户VS老用户、注册用户VS未注册用户
• 竞品对比：渠道、功能、体验和流程、推广和收入

对比分析案例（时间，空间）：

分组分析法：

不同时间分组：日、周、月、年

不同产品类型分组：产品属性，产品区域

不同用户类型分组：人口属性（性别、年龄），客户价值，消费频次

不同渠道分组：线上渠道、线下渠道，付费渠道、免费渠道

使用场景：用户数据包含的信息多样化，且各种类型的数据之间差异较大，用于分析不同类型数据之间的差异，经常与对比分析法一起使用。

逻辑树分析法：分层罗列影响因素，发现问题

使用场景：通过将复杂数据层层拆解，用于发现复杂数据中的问题和机会；

案例分析：

背景：为了更好的对不同点位进行精细化运营，根据点位产出，将点位分为了不同的层级，现在需要对不同层级的点位进行分析，找到影响产出的决定因素，以便找到提升点位产出的措施。

GMV=点位数*单个点位下单人数*平均每人订单量*客单价*平均每件商品价格

漏斗图分析：用于发现某个行为路径中的问题

案例分析：

背景：在监控某产品用户路径转化率时发现，从列表页到详情页这一步流失率特别高，需要具体定位问题原因。

结论：通过调研发现：用户无法快速在列表中找到自己想要的产品，于是调整了列表页的排序规则，并且增加了按照价格和销量排序的功能，经过一段时间的优化后，从产品详情页到支付成功环节的转化率有了明显的提高。

矩阵关联法：对2-4个重要属性进行分析

使用场景：当判断某个事物有多重属性时，且各个属性之间没有直接的关联性，需要根据多重属性判断事物的结果。

SWOT矩阵：优势，劣势，机会，威胁

波士顿矩阵：市场份额，市场增长率

满意度矩阵：重要性，满意度

案例分析：

背景：某APP为了优化渠道结构，节约投放成本，现需要评估各个渠道的质量，提升整体转化率

结论：地堆渠道的流量大，但是转化率较低，需要深入分析转化率低的原因，找到提升转化率的办法；好友邀请的转化率高，但流量较小，可以考虑增加好友邀请的入口，提高补贴来增加流量；微信虽然转化率低，我们需要转换它的定位，可以做品牌推广，用户沟通等。