大家好，又见面了，我是你们的朋友全栈君。

首页

在分析方法的指导下才能知道如何使用工具（Excel、SQL或者Python等）去分析数据，解决业务问题。
常用的分析方法

在工作或者面试中，会经常听到分析思维、分析思路、分析方法。这三个词语有什么关系呢？其实简单来说，他们都是只分析方法。因为分析方法是将零散的想法整理成有条理的分析思路。有了分析思路，你就具备了分析思维。
下文在讲到每一个分析方法时，会从四个问题出发来学习。

1. 一是什么先知道这个知识是什么。
2. 二有什么用？先知道在什么场景下使用这个知识。
3. 三如何用通过实际历史来看，这个知识如何使用？
4. 四使用这个知识的注意事项

5W2H分析方法

• 5H：what(是什么)、when(何时)、where(何地)、why(为什么)、who(是谁)
• 2W：how(怎么做)、how much(多少钱)

案例1：如何设计一款产品

• what：这是什么产品？
• when：什么时候需要上线？
• where：在哪里发布这些产品？
• why：用户为什么需要它？
• who：这是给谁设计的？
• how：这个产品需要怎么运作？
• how much：这个产品里有付费功能吗？价格是多少？

案例2：设计一款App的调查问卷，如何设计问卷上的问题？

• what：你用这款App做什么事情？
• when：你通常在什么时间使用这款App？
• where：你会在什么场景使用这款App？
• why：你为什么选取这款App？
• who：如果你觉得你喜欢这个产品，你会推荐给谁？
• how：你觉得我们需要加入什么功能才是比较新颖的？
• how much：如果你任务这个App对你有帮助，你会花多少钱去购买App里的服务？

5H2W分析方法很好理解，但是在复杂的商业问题面前不起作用。
这是因为复杂的商业问题不会只有一个原因，而是由多个原因引起的，例如销售为什么下降，这可能是由多个原因导致的，这时候就需要运用其他分析方法

逻辑树分析方法

逻辑树分析方法是把复杂的问题拆解成若干个简单的子问题，然后像树枝那样逐步展开。

案例1：年度计划拆解

案例2：芝加哥有多少钢琴调音师？(费米问题)

需要注意的是，逻辑树分析方法在解决业务问题时，经常不是单独存在的，会融合在其他分析方法里，辅助解决问题。在后面其他分析方法的学习中，你会看到使用了逻辑树的拆解图来将一个复杂问题拆解成各个子问题

行业分析方法

什么时候需要用到行业分析方法呢？当个人在对自己进行职业规划，思考选择哪个行业更好的时候；当公司需要对外部环境或者行业竞争对手有所了解，制度发展规划的时候；当面对重大问题，需要分析行业问题的时候。
PEST分析方法就是对公司发展宏观环境的分析，所以经常用于行业分析。通常是由政策、经济、社会和技术这四个方面来分析。

多维度拆解分析方法

两个关键词：维度，拆解

为什么要使用多维度拆解分析方法：考察数据整体和考察数据的不同部分，可能会得到相反的结论，所以我们要从多个维度去观察数据，并相互验证，才能得出相对可靠的结论。

如何使用多维度拆解分析方法？

1. 从指标构成来拆解
   从指标的定义来看，指标的构成，例如某店铺最近做了一个活动，但是活动后发现预期销售额没达成，原因是什么呢？可以从指标定义来拆解。销售额=新用户销售额+老用户销售额，所以销售额可以拆解为新用户销售额、老用户销售额，然后可以继续拆解新用户的转化和老用户的复购：
   $$新用户销售额=新用户数\ast 转化率\ast 新用户客单价$$
   $$老用户销售额=老用户数\ast 复购率\ast 老用户客单价$$
   这样拆解后，有利于后续找到原因来制定对应的决策，如果是“新用户”导致的销售额目标没达成，可以对新用户发小额无门槛的折扣券，因为新用户往往还没有对店铺建立信任，不会第一次就购买很多。如果是“老用户”导致的销售额目标没达成，可以对老用户发高额满减折扣券，起到提升复购率的效果。

2. 从业务流程来拆解
   一家线上店铺做了一波推广，老板想看看推广效果如何呢。推广效果最直观的是看用户增长了多少定义，衡量指标为新增用户数。这里的新增用户数是指看到推广渠道的广告进入店铺的人数。
   首先，我们可以按指标构成如城市、性别、渠道来拆解新增用户数

其次，将指标按维度细分
按照地域细分，考察一线二线三线及以下等不同城市的新增用户数量情况(可视化)。
按照性别细分，考察男性用户、女性用户分别是多少(可视化)。
按照渠道细分，考察公众号、百度、头条哪个渠道的用户来源多(可视化)。
我们可以继续从业务流程来拆解渠道数据。
用户购买的业务流程如下：

按业务流程拆解后，查看各个渠道内各个环节用户数情况，分析优质渠道。

对比分析方法

如何使用对比分析法？
想要进行对比分析，我们要弄清楚两个问题：和谁比，如何比较。

• 和谁比
  • 和自己比
  • 和行业比
• 如何比较
  • 数据整体的大小
    • 某些指标可用来衡量整体数据的大小。常用的是平均值、中位数，或者某个业务指标。
  • 数据整体的波动
    • 标准差除以平均值得到的值叫做变异系数。变异系数可用来衡量整体数据的波动情况。
  • 趋势变化
    趋势变化是从时间维度来看数据随着时间发生的变化。常用的方法是时间折线图，环比和同比。
    • 时间折线图是以时间为横轴、数据为纵轴绘制的折线图。从时间折线图上可以了解数据从过去到现在发生了哪些变化，还可以通过过去的变化预测未来的动向。
    • 环比是和上一个时间段对比，用于观察长期的数据集。例如某数据在2020年12月比2020年11月下降10%
    • 同比是与同一时间段进行对比，用于观察长期的的数据集。例如某数据在2020年12月比2019年12月下降10%

在进行比较时，要注意比较对象的规模要一致。

  A/B测试的背后也使用了对比分析方法，什么是A/B测试，如果APP功能设计的读者朋友们可能会经常面临多个设计方案的选择。例如某个按钮是用蓝色还是红色，是放左边还是放右边？传统的解决方法通常是集体讨论表决，或者有某位专家或领导来拍板，实在决定不了时，也有随机选一个上线的。虽然传统解决办法多数情况下也是有效的，但A/B测试可能是解决这类问题的一个更好的方法。
  简单来说，A/B测试就是为同一个目标制定两个版本，两个版本只有某个方面不一样，其他方面保持一致，例如两个版本只有按钮的颜色不一样，让一部分用户用A版本（实验组），另一部分用户使用B版本（对照组），运行一段时间后，分别统计两组用户的表现，然后对两组数据进行对比分析，最后选择效果更好的版本正式发布给全部用户。

假设检验分析方法

假设检验分析方法是一种使用数据来做决策的过程，底层思想其实很简单，就是逻辑推理。

1. 提出假设
   根据要解决的问题，提出假设。例如警察破案的时候会根据犯罪现场提出假设：这个人有可能时嫌疑人。
2. 收集证据
   通过收集证据来证明。例如警察通过收集嫌疑犯的犯罪数据，来作为证据。
3. 得出结论
   这里的结论不是你主观猜想出来的，而是依靠找到的证据得到的结论。例如警察不能主观地去猜想，然后下结论说这个人是罪犯，而是要通过收集的证据来证明这个人是不是罪犯。

案例1：
我们分析问题时可以按用户、产品、竞品这3个维度提出假设，来检查提出的假设是否由遗漏。这3个维度分别对应公司的3个部门：用户对应运营部，产品对应产品部，竞品对应市场部。
这3个维度有助于在发现问题原因后，对应落实到具体部门上，有利于把问题说清楚。

1. 假设用户有问题：可以从用户来源渠道这个维度来拆解分析，或者画出用户使用产品的业务流程图来分析原因；
2. 假设产品有问题：可以研究这段时间销售的产品是否符合用户的需求；
3. 假设时竞品导致的问题：可以看竞品是不是在搞什么优惠活动，用户跑到竞争对手那里了；

我们还可以从4P营销理论出发来提出假设。什么时4P营销理论呢？
营销组合有几十个要素，这些要素可以概况为4类：产品、价格、渠道、促销

1. 产品：公司提供给目标市场的有形或无形产品，包括产品实体、品牌、包装、样式、服务、技术等；
2. 价格：用户购买产品时的价格，包括基本价格、折扣价格、付款期限及各种定价方法、服务、技术等；
3. 渠道：产品从生产公司到消费用户所经历的销售路径。
4. 促销：是指企业利用各种方法刺激用户消费，来促进销售的增长。包括广告、人员推销、营业广告等。例如买一送一、过节打折等。

为了寻找销售额下降的原因，可以利用4P营销理论从4个维度提出假设

4P营销理论是从公司角度出发研究产品的。还可以从用户角度出发去研究产品，也就是从用户使用产品的业务流程来检查提出的假设是否有遗漏。

案例1：解读报表里数据的波动

绘制折线图查看数据随时间变化的趋势：发现问题，周六数据下降了

为了更好的对比分析，需要找出前几周的数据是怎样的，这样可以从整体上看出数据在一个较长时间范围内是怎样变化的。同时还可以看出数据变化的规律。
【图省略】
通过和前几周数据对比，发现这个App的规律是每周末的活跃率都有稍微的下降了5%。那么，本周六日活率为什么突然下降了呢？如何查找问题发生的原因呢？这时候假设检验分析方法就派上用场了。
假设1：用户问题？-> 用户数据
假设2：产品问题？-> 产品问题
假设3：竞品问题？-> 竞品问题

相关分析方法

研究两个变量之间关系的方法就叫相关分析方法。
作用：

1. 研究两种或者两种以上数据之间有什么关系，或者某个事情受到其他因素影响的问题时，可以使用相关分析。
2. 在解决问题的过程中，相关分析可以帮助我们扩大思路，将视野从一种数据扩大到多种数据。
3. 相关分析，通俗易懂。

如何使用：

• 图形：散点图

两种数据之间有多大程度相关？

• 相关系数

相关系数的作用是？

1、相关系数的数值大小可以表示两种数据的相关程度
2、相关系数数值的正负可以反映两种数据之间的相关方向

如何判断两者之间有“相关关系”？

如果相关关系的绝对值在0~0.3，就认为是低度相关；
如果相关关系的绝对值在0.3~0.6，就认为是中度相关；
如果相关关系的绝对值在0.6~1，就认为是高度相关；

可用Excel分析工具库来分析相关系数，先用散点图查看有无异常数据，再进行分析
相关关系不等于因果关系。

群组分析方法

是什么？

群组分析方法是按某个特征，将数据分为不同的组，然后比较各组的数据。

作用

群组分析方法常用来分析用户留存率（流失率）随时间发生了哪些变化，然后找出用户留下或者离开的原因。在金融行业，群组分析还可用于用户逾期分析

如何用

先试用群组分析方法，找到留存率低或者留存率高的组；然后就可以使用假设检验、相关分析等方法，研究为什么这些组留存率低或留存率高。找到原因后，就可以对应地优化产品。
当群组分析表格里的数据比较多的时候，直接分析起来比较困难，这时可以把数据绘制成折线图，这样就可以很容易地发现数据发现了哪些变化。

除了按时间分组，还可根据业务场景进行分组。

RFM分析方法

是什么

RFM是3个指标的缩写：最近一次消费的时间间隔R、消费频率F、消费金额M

有什么用

RFM可以把用户分为8类，这样就可以对不同用户使用不同的营销策略，例如信用卡的会员服务

分类过程

1. 使用原始数据计算出R、F、M值。
2. 给R、F、M值按价值打分，例如按价值从低到高分为1~5分。
3. 计算价值的平均值，如果某个指标的得分比价值的平均值低，标记为“低”。如果某个指标的得分比价值的平均值高，标记为“高”。
4. 和用户分类规则表比较，得出用户分类。

AARRR模型分析方法

是什么

AARRR：

获取用户：用户如何找到我们

• 渠道曝光量
• 渠道转化率
• 日新增用户数
• 日应用下载量
• 获客成本

激活用户：用户的首次体验如何

提高留存：用户会回来吗

增加收入：如何赚到更多的钱

• 用来衡量业务总量的指标，例如成交总额、成交数量
• 用来衡量每个人平均情况的指标，例如客单价
• 用来衡量付费情况的指标，例如付费率，复购率

推荐：用户会告诉其他人吗

• 转发率
• 转化率

漏斗分析方法

作用：衡量业务流程每一步的转化效率

漏斗分析方法

参考书籍

《数据分析思维：分析方法和业务知识》 – 猴子