編輯導(dǎo)語：在解決某個數(shù)學問題時，我們可以套入對應(yīng)的公式進行解決；那在數(shù)據(jù)分析里，也可以使用對應(yīng)的公式來分析問題，并且對未來構(gòu)建數(shù)據(jù)分析模型也有幫助；本文作者分享了五種常見的數(shù)據(jù)方法，我們一起來看一下。

在數(shù)據(jù)分析中，數(shù)據(jù)分析思維是框架式的指引，實際分析問題時還是需要很多“技巧工具”的；就好比中學里你要解一元二次方式，可以用公式法、配方法、直接開平方法、因式分解法。

數(shù)據(jù)分析里也有技巧，在一些通用的分析場景下可以快速使用，而且對未來構(gòu)建數(shù)據(jù)分析模型也有幫助。

接下來就分享常見的5種數(shù)據(jù)分析方法，分別是：

1. 公式法
2. 對比法
3. 象限法
4. 二八法
5. 漏斗法

常常多種結(jié)合一起使用。

注：主要偏思維層面的，基于業(yè)務(wù)問題對數(shù)據(jù)的探索性分析，不同于專業(yè)統(tǒng)計學中的數(shù)據(jù)處理方法。

一、公式法

所謂公式法就是針對某個指標，用公式層層分解該指標的影響因素，這個我在指標化思維中提到過。

舉例：分析某產(chǎn)品的銷售額較低的原因，用公式法分解：

• 某產(chǎn)品銷售額=銷售量 X 產(chǎn)品單價
• 銷售量=渠道A銷售量 + 渠道B銷售量 + 渠道C銷售量 + …
• 渠道銷售量=點擊用戶數(shù) X 下單率
• 點擊用戶數(shù)=曝光量 X 點擊率

1）找到產(chǎn)品銷售額的影響因素：某產(chǎn)品銷售額=銷售量 X 產(chǎn)品單價。是銷量過低還是價格設(shè)置不合理？

2）找到銷售量的影響因素：分析各渠道銷售量，對比以往，是哪些過低了。

3）分析影響渠道銷售量的因素：渠道銷售量=點擊用戶數(shù)X 下單率。是點擊用戶數(shù)低了，還是下單量過低。如果是下單量過低，需要看一下該渠道的廣告內(nèi)容針對的人群和產(chǎn)品實際受眾符合度高不高。

4）分析影響點擊的因素：點擊用戶數(shù)=曝光量X點擊率。是曝光量不夠還是點擊率太低，點擊率低需要優(yōu)化廣告創(chuàng)意，曝光量則和投放的渠道有關(guān)。

通過對銷售額的逐層拆解，細化評估以及分析的粒度。

公式拆解法是針對問題的層級式解析，在拆解時，對因素層層分解，層層剝盡。

二、對比法

對比法就是用兩組或兩組以上的數(shù)據(jù)進行比較，是最通用的方法。

我們知道孤立的數(shù)據(jù)沒有意義，有對比才有差異。一些直接描述事物的變量，如長度、數(shù)量、高度、寬度等，通過對比得到比率數(shù)據(jù)，增速、效率、效益等指標，這才是數(shù)據(jù)分析時常用的。

比如：用于在時間維度上的同比和環(huán)比、增長率、定基比，與競爭對手的對比、類別之間的對比、特征和屬性對比等。

對比法可以發(fā)現(xiàn)數(shù)據(jù)變化規(guī)律，使用頻繁，經(jīng)常和其他方法搭配使用。

下圖的AB公司銷售額對比，雖然A公司銷售額總體上漲且高于B公司，但是B公司的增速迅猛，高于A公司，即使后期增速下降了，最后的銷售額還是趕超。

三、象限法

通過對兩種及以上維度的劃分，運用坐標的方式表達出想要的價值。由價值直接轉(zhuǎn)變?yōu)椴呗裕瑥亩M行一些落地的推動。

象限法是一種策略驅(qū)動的思維，常于產(chǎn)品分析、市場分析、客戶管理、商品管理等。

比如：下圖是一個廣告點擊的四象限分布，X軸從左到右表示從低到高，Y軸從下到上表示從低到高。

1. 高點擊率高轉(zhuǎn)化的廣告——說明人群相對精準，是一個高效率的廣告。
2. 高點擊率低轉(zhuǎn)化的廣告——說明點擊進來的人大多被廣告吸引了，轉(zhuǎn)化低說明廣告內(nèi)容針對的人群和產(chǎn)品實際受眾有些不符。
3. 低點擊率高轉(zhuǎn)化的廣告——說明廣告內(nèi)容針對的人群和產(chǎn)品實際受眾符合程度較高，但需要優(yōu)化廣告內(nèi)容，吸引更多人點擊。
4. 低點擊率低轉(zhuǎn)化的廣告——可以放棄了。

還有經(jīng)典的RFM模型，把客戶按最近一次消費(Recency)、消費頻率(Frequency)、消費金額 (Monetary)三個維度分成八個象限。

1. 象限法的優(yōu)勢

找到問題的共性原因：通過象限分析法，將有相同特征的事件進行歸因分析，總結(jié)其中的共性原因。例如上面廣告的案例中，第一象限的事件可以提煉出有效的推廣渠道與推廣策略，第三和第四象限可以排除一些無效的推廣渠道；

建立分組優(yōu)化策略：針對投放的象限分析法可以針對不同象限建立優(yōu)化策略，例如RFM客戶管理模型中按照象限將客戶分為重點發(fā)展客戶、重點保持客戶、一般發(fā)展客戶、一般保持客戶等不同類型。給重點發(fā)展客戶傾斜更多的資源，比如VIP服務(wù)、個性化服務(wù)、附加銷售等；給潛力客戶銷售價值更高的產(chǎn)品，或一些優(yōu)惠措施來吸引他們回歸。

四、二八法/帕累托分析

二八法也可以叫帕累托法則，源于經(jīng)典的二八法則。比如在個人財富上可以說世界上20%的人掌握著80%的財富。而在數(shù)據(jù)分析中，則可以理解為20%的數(shù)據(jù)產(chǎn)生了80%的效果需要圍繞這20%的數(shù)據(jù)進行挖掘。

往往在使用二八法則的時候和排名有關(guān)系，排在前20%的才算是有效數(shù)據(jù)。二八法是抓重點分析，適用于任何行業(yè)；找到重點，發(fā)現(xiàn)其特征，然后可以思考如何讓其余的80%向這20%轉(zhuǎn)化，提高效果。

一般地，會用在產(chǎn)品分類上，去測量并構(gòu)建ABC模型，比如某零售企業(yè)有500個SKU以及這些SKU對應(yīng)的銷售額，那么哪些SKU是重要的呢，這就是在業(yè)務(wù)運營中分清主次的問題。

常見的做法是將產(chǎn)品SKU作為維度，并將對應(yīng)的銷售額作為基礎(chǔ)度量指標，將這些銷售額指標從大到小排列，并計算截止當前產(chǎn)品SKU的銷售額累計合計占總銷售額的百分比。

• 百分比在 70%（含）以內(nèi)，劃分為 A 類。
• 百分比在 70~90%（含）以內(nèi)，劃分為 B 類。
• 百分比在 90~100%（含）以內(nèi)，劃分為 C 類。

以上百分比也可以根據(jù)自己的實際情況調(diào)整。

ABC分析模型，不光可以用來劃分產(chǎn)品和銷售額，還可以劃分客戶及客戶交易額等。比如給企業(yè)貢獻80%利潤的客戶是哪些，占比多少。假設(shè)有20%，那么在資源有限的情況下，就知道要重點維護這20%類客戶。

五、漏斗法

漏斗法即是漏斗圖，有點像倒金字塔，是一個流程化的思考方式，常用于像新用戶的開發(fā)、購物轉(zhuǎn)化率這些有變化和一定流程的分析中。

上圖是經(jīng)典的營銷漏斗，形象展示了從獲取用戶到最終轉(zhuǎn)化成購買這整個流程中的一個個子環(huán)節(jié)。

相鄰環(huán)節(jié)的轉(zhuǎn)化率則就是指用數(shù)據(jù)指標來量化每一個步驟的表現(xiàn)，所以整個漏斗模型就是先將整個購買流程拆分成一個個步驟，然后用轉(zhuǎn)化率來衡量每一個步驟的表現(xiàn)，最后通過異常的數(shù)據(jù)指標找出有問題的環(huán)節(jié)，從而解決問題，優(yōu)化該步驟，最終達到提升整體購買轉(zhuǎn)化率的目的。

整體漏斗模型的核心思想其實可以歸為分解和量化。

比如分析電商的轉(zhuǎn)化，我們要做的就是監(jiān)控每個層級上的用戶轉(zhuǎn)化，尋找每個層級的可優(yōu)化點；對于沒有按照流程操作的用戶，專門繪制他們的轉(zhuǎn)化模型，縮短路徑提升用戶體驗。

還有經(jīng)典的黑客增長模型：AARRR模型，指Acquisition、Activation、Retention、Revenue、Referral，即用戶獲取、用戶激活、用戶留存、用戶收益以及用戶傳播。這是產(chǎn)品運營中比較常見的一個模型，結(jié)合產(chǎn)品本身的特點以及產(chǎn)品的生命周期位置，來關(guān)注不同的數(shù)據(jù)指標，最終制定不同的運營策略。

從下面這幅AARRR模型圖中，能夠比較明顯的看出來整個用戶的生命周期是呈現(xiàn)逐漸遞減趨勢的。通過拆解和量化整個用戶生命周期各環(huán)節(jié)，可以進行數(shù)據(jù)的橫向和縱向?qū)Ρ?，從而發(fā)現(xiàn)對應(yīng)的問題，最終進行不斷的優(yōu)化迭代。

不過，單一的漏斗分析是沒有用的，不能得出什么結(jié)果，要與其它相結(jié)合，如與歷史數(shù)據(jù)的對比等。

作者：李啟方，數(shù)據(jù)分析師，專注于傳統(tǒng)行業(yè)數(shù)據(jù)分析。公眾號@數(shù)據(jù)分析不是個事兒：來和我一起系統(tǒng)學習數(shù)據(jù)分析！

本文由 @李啟方 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理。未經(jīng)許可，禁止轉(zhuǎn)載

題圖來自Unsplash，基于CC0協(xié)議