数据分析具体方法
>**方法论和方法有什么区别?**
方法论是从宏观角度出发，从管理和业务的角度提出的分析框架，指导我们接下来具体分析的方向。方法是微观的概念，是指我们在具体分析过程中使用的方法。
# 1、趋势分析
趋势分析是最简单、最基础，也是最常见的数据监测与数据分析方法。通常我们在数据分析产品中建立一张数据指标的线图或者柱状图，然后持续观察，重点关注异常值。
在这个过程中，我们要选定第一关键指标(OMTM，One Metric That Metter)，而不要被虚荣指标(Vanity Metrics )所迷惑。
以社交类APP为例，如果我们将下载量作为第一关键指标，可能就会走偏;因为用户下载APP并不代表他使用了你的产品。在这种情况下，建议将DAU(Daily Active Users，日活跃用户)作为第一关键指标，而且是启动并且执行了某个操作的用户才能算上去;这样的指标才有实际意义，运营人员要核心关注这类指标。
# 2、多维分解
多维分解是指从业务需求出发，将指标从多个维度进行拆分;这里的维度包括但不限于浏览器、访问来源、操作系统、广告内容等等。
为什么需要进行多维拆解?有时候一个非常笼统或者最终的指标你是看不出什么问题来的，但是进行拆分之后，很多细节问题就会浮现出来。
举个例子，某网站的跳出率是0.47、平均访问深度是4.39、平均访问时长是0.55分钟。如果你要提升用户的参与度，显然这样的数据会让你无从下手;但是你对这些指标进行拆解之后就会发现很多思路。
# 3、用户分群
用户分群主要有两种分法：维度和行为组合。
第一种根据用户的维度进行分群，比如从地区维度分，有北京、上海、广州、杭州等地的用户;从用户登录平台进行分群，有PC端、平板端和手机移动端用户。
第二种根据用户行为组合进行分群，比如说每周在社区签到3次的用户与每周在社区签到少于3次的用户的区别，这个具体的我会在后面的留存分析中介绍。
>**注**：RFM是用户分群
[用户分层和用户分群](https://www.huaweicloud.com/articles/d43af386e68b25a57d818d18d89a2626.html)
# 4、用户细查
正如前面所说的，用户行为数据也是数据的一种，观察用户在你产品内的行为路径是一种非常直观的分析方法。在用户分群的基础上，一般抽取3-5个用户进行细查，即可覆盖分群用户大部分行为规律。
绝大多数产品都或多或少存在一些反人类的设计或者BUG，通过用户细查可以很好地发现产品中存在的问题并且及时解决。
# 5、漏斗分析
漏斗分析是一套流程式数据分析，它能够科学反映用户行为状态以及从起点到终点各阶段用户转化率情况的重要分析模型。漏斗分析模型已经广泛应用于网站用户行为分析和APP用户行为分析的流量监控、产品目标转化等日常数据运营与数据分析的工作中。
**漏斗分析要注意的两个要点：**
**第一**：不但要看总体的转化率，还要关注转化过程每一步的转化率;
**第二**：漏斗分析也需要进行多维度拆解，拆解之后可能会发现不同维度下的转化率也有很大差异。
# 6、留存分析
留存分析是一种用来分析用户参与情况/活跃程度的分析模型，考察进行初始行为的用户中，有多少人会进行后续行为。这是用来衡量产品对用户价值高低的重要方法。
衡量留存的常见指标有：次日留存率、7日留存率、30日留存率等等。
**留存分析可以帮助回答以下问题：**
- 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、对比分析
分为横向对比（跟自己比）和纵向对比（跟别人比），常见的对比应用有A/B test，A/B test的关键就是保证两组中只有一个单一变量，其他条件保持一致。
A/B测试是为了达到一个目标，采取了两套方案，一组用户采用A方案，一组用户采用B方案。通过实验观察两组方案的数据效果，判断两组方案的好坏。在A/B测试方面，谷歌是不遗余力地尝试;对于搜索结果的显示，谷歌会制定多种不同的方案(包括文案标题，字体大小，颜色等等)，不断来优化搜索结果中广告的点击率。
这里需要注意的一点，A/B测试之前最好有A/A测试或者类似准备。什么是A/A测试?A/A测试是评估两个实验组是否是处于相同的水平，这样A/B测试才有意义。其实这和学校里面的控制变量法、实验组与对照组、双盲试验本质一样的。
[数据对比分析法，看这篇就够了](https://zhuanlan.zhihu.com/p/77982962)
# 8、交叉分析
交叉分析法就是将对比分析从多个维度进行交叉展现，进行多角度的结合分析，从中发现最为相关的维度来探索数据变化的原因。
[数据分析基础—5.6 交叉分析法](https://zhuanlan.zhihu.com/p/41251749)
# 9、杜邦分析法
杜邦分析法的核心思路是把问题一层层分解，直到反映出最根本的问题为止。
以电商行业为例，GMV（网站成交金额）是考核业绩最直观的指标，当GMV同比或环比出现下滑时候，需要找到影响GMV的因素并逐一拆解。GMV下降如果是因下单用户减少所造成的，那么是访客数（流量）减少了，还是转化率下降了呢？如果是访客数减少了，那是因为自然流量减少了，还是因为营销流量不足？
用杜邦分析法会使我们清晰的找到影响结果的原因，特别对一些多个因素都会影响到的数据，是非常有效的分析方法。
# 10、同期群分析
所谓同期群分析方法，就是将用户按初始行为的发生时间进行划分为群组。
一旦你掌握了它，只要有合适工具（比如诸葛io）的帮助，您几乎可以在任何场景下使用它：
- 衡量产品业务的整体进展；
- 评估产品改版的效果；
- 优化产品的用户体验；
- 寻找产品改进关键点；
- 提升用户参与度；
- ……
[同期群分析（Cohort Analysis）](https://www.cnblogs.com/HuZihu/p/11412288.html)
---
转载：[数据分析师常用的数据分析方法有哪些？](https://mp.weixin.qq.com/s?__biz=MjM5MDI1ODUyMA==&mid=2672941692&idx=1&sn=b9277c3c7eddbea1f102238c84f4542b&chksm=bce2fe4b8b95775d72527d6779c5e082e8578950c21584616c5ddd1e58d03a20d1bcc1258db5&mpshare=1&scene=24&srcid=0924Bo9k9Xr2M72D8xy3Rumx#rd)