很多做数据分析或者是数据分析新手的小伙伴都不知道怎么做数据分析。我完全不知道。今天给大家盘点一下数据分析师常用的数据分析方法。希望看了这篇文章的朋友对数据分析有一个清晰的思路。
方**和方法有什么区别?
方**是从宏观的角度,从管理和业务的角度出发的分析框架,它将指导我们接下来的具体分析。方法是一个微观概念,指的是我们在具体分析过程中使用的方法。
数据分析方法
数据分析有许多方法。这里我给大家介绍一些常见的框架。
1。害虫分析方法
PEST是一种企业宏观环境分析模型,从政治、经济、社会、技术四个方面分析内外部环境,适用于宏观分析。
这四个因素也被称为“有害生物危害”。PEST要求高层管理人员具备相关的能力和素质。PEST分析结合外部整体环境的因素可以总结出SWOT分析中的机会和威胁。PEST/杵、SWOT和SLEPT可以作为企业和环境分析的基本工具。
2。SWOT分析
从优势、劣势、机会、威胁四个方面分析内外部环境,适合宏观分析。
SWOT分析是确定企业自身的竞争优势、竞争劣势、机会和威胁,从而将公司战略与公司内部资源和外部环境有机结合起来的一种科学分析方法。运用这种方法,可以对研究对象的情况进行全面、系统、准确的研究,然后根据研究结果制定相应的发展战略、规划和对策。
3,5W2H分析方法
从七个常见维度分析问题:为什么、何时、何地、什么、谁、如何、多少。广泛应用于企业管理和技术活动中,对决策和执行活动和措施也很有帮助,也有助于弥补考虑的遗漏。
4、4P理论
根据经典营销理论,产品、价格、渠道和促销是影响市场的重要因素。
5、AARRR
Hacker的《成长的海盗法则》(pirate rule of growth)是一个专注于转化率的漏斗形数据收集和测量模型,以用户为中心。它从五个环节成长:获取、激活、留存、收入、推荐。
AARRR在应用、推广、运营的各个层面(阶段)应注意的一些指标。在整个AARRR模型中,这些量化指标占有非常重要的地位,很多指标的影响是跨多个层面的。及时获得这些指标的具体数据对于应用程序的成功运行至关重要。
数据分析的方法有很多,这里不能一一列举;没有最好的方**,只有最适合的。
从数据分析的方**上也可以知道,数据分析的意义在于将混沌的数据转化为看得见、看得见的数据,从而做出准确的决策。《大数据时代,技术和分析哪个更重要》一文也阐述了分析的重要性。
数据分析的七种方法
1。趋势分析
趋势分析是最简单、最基本、最常用的数据监测和数据分析方法。通常我们会在数据分析产品中设置数据指标的折线图或直方图,然后持续观察,重点关注异常值。
在这个过程中,我们应该选择第一个关键指标(OMTM,One Metter的度量标准),不要被虚荣的度量标准所迷惑。
以社交APP为例,如果我们把下载量作为第一关键指标,可能会出问题;用户下载了一个APP,并不代表他使用了你的产品。这种情况下,建议将DAU(日活跃用户)作为第一关键指标,只有已经开始并执行了一次操作的用户才可以统计;这样的指标有实际意义,运营商应该重点关注这样的指标。
2。多维分解
多维分解是指根据业务需求从多个维度拆分指标;这里的维度包括但不限于浏览器、访问源、操作系统、广告内容等。
为什么需要多维拆卸?有时候一个非常笼统或者最终的指标看不出什么问题,但是拆分之后,很多细节就会浮现出来。
比如某网站的跳出率为0.47,平均访问深度为4.39,平均访问时长为0.55分钟。如果你想增加用户参与度,显然这样的数据会让你无从下手;但是你把这些指标拆开之后,你会发现很多想法。
3。用户分组
用户分组主要有两种方式:维度和行为组合。
第一种是按照维度对用户进行分组,比如从地域维度,有北京、上海、广州、杭州等地的用户;从登录平台对用户进行分组,包括PC用户、平板用户和移动用户。
二是根据用户行为组合进行分组。比如一周在社区签到三次的用户和一周在社区签到不到三次的用户的区别。这个我会在后面的留存分析中介绍。
4。用户仔细检查
如前所述,用户行为数据也是一种数据。观察用户在你产品中的行为路径是一种非常直观的分析方法。在用户分组的基础上,一般选取3-5个用户进行详细调查,可以涵盖分组用户的大部分行为规律。
大部分产品都或多或少存在一些反人类的设计或bug,产品中存在的问题通过用户的仔细调查可以很好的发现并及时解决。
5。漏斗分析
漏斗分析是一套基于过程的数据分析,是能够科学反映用户行为状态和用户从起点到终点的转化率的重要分析模型。漏斗分析模型已广泛应用于日常数据运营和数据分析,如网站用户行为分析、APP用户行为分析、流量监测、产品目标转化等。
漏斗分析需要注意两点:
首先:
我们不仅要看整体转化率,还要关注转化过程中每一步的转化率;
第二:
漏斗分析也需要多维度拆解。拆解后可能会发现,不同维度的转化率也有很大差异。
6。保留分析
留存分析(Retention ***ysis)是一种分析模型,用于分析用户的参与/活动,以及有多少采取初始行动的用户会采取后续行动。这是衡量产品对用户价值的重要方法。
衡量留存的常用指标有:第二天留存率、第七天留存率、第三十天留存率等等。
保留分析有助于回答以下问题:
一个新客户在未来的一段时间内是否完成了您期许用户完成的行为?如支付订单等;某个社交产品改进了新注册用户的引导流程,期待改善用户注册后的参与程度,如何验证?想判断某项产品改动是否奏效,如新增了一个邀请好友的功能,观察是否有人因新增功能而多使用产品几个月?
7、A/B测试和A/A测试
A/B测试是为了达到一个目的。采用两种方案,一组用户采用A方案,另一组用户采用B方案。通过实验,观察两种方案的数据效果,判断两种方案的优劣。在A/B测试方面,Google正在不遗余力的尝试;对于搜索结果的展示,Google会做出各种不同的方案(包括文案标题、字体大小、颜色等。)来不断优化搜索结果中广告的点击率。
这里需要注意的一点是,A/B***前最好有A/A答案或类似的准备。什么是A/A测试?A/A测试是评价两个实验组是否处于同一水平,这样A/B测试才有意义。其实这和学校里的控制变量法,实验组和对照组,双盲试验是一样的。
本文来自微笑向暖投稿,不代表舒华文档立场,如若转载,请注明出处:https://www.chinashuhua.cn/24/649446.html