和不同時期的自己比（縱向?qū)Ρ龋嚎梢詮臅r間維度來看數(shù)據(jù)隨著時間發(fā)生的變化，也稱為趨勢分析，用來追蹤業(yè)務(wù)動態(tài)是否有異常。

在使用對比分析時，需要注意的是：如果是對總體數(shù)值進行比較，那么各對比維度的規(guī)模需要一致。

因此，在數(shù)據(jù)分析中，通常會使用比例或者平均數(shù)作為指標來進行對比。例如，對比A地區(qū)的總銷售額高于B地區(qū)，但并不能直接得到A地區(qū)的銷售業(yè)績更好，有可能A地區(qū)的銷售門店數(shù)量遠多于B地區(qū)，因此此處用平均銷售額會更合理。

2. 多維度拆解對比法：結(jié)構(gòu)化&公式化

（1）結(jié)構(gòu)化拆解：不只對比整體，還要看內(nèi)部的構(gòu)成差異

結(jié)構(gòu)化拆解對比，是對業(yè)務(wù)問題進行原因分析過程中最常用的分析方法。

只對比數(shù)據(jù)整體，無法注意到數(shù)據(jù)內(nèi)部各個部分構(gòu)成的差異。如果忽略這種差異進行比較，就有可能導致無法察覺該差異所造成的影響。比如，某產(chǎn)品銷售額下降20%，背后的原因是什么，該如何分析？

從用戶角度來拆解：例如，該產(chǎn)品用戶由新用戶和老用戶構(gòu)成，可以拆解為新用戶銷售額和老用戶銷售額，來看銷售額下降是否跟用戶類型有關(guān)。

還可以把用戶拆解為不同年齡組、不同的性別、不同地區(qū)、不同等級等屬性，可參考數(shù)據(jù)類型中的用戶數(shù)據(jù)包含內(nèi)容。

從產(chǎn)品角度來拆解：例如，該產(chǎn)品的銷售包含了不同的產(chǎn)品版本，可以拆解為不同的版本對比銷售額，來看銷售額下降是否跟產(chǎn)品版本有關(guān)。當然還有其他產(chǎn)品相關(guān)的屬性，可參考數(shù)據(jù)類型中的產(chǎn)品數(shù)據(jù)包含內(nèi)容。

從數(shù)據(jù)結(jié)構(gòu)角度來拆解：例如，某產(chǎn)品銷售額按照一定區(qū)間分組對比，某產(chǎn)品滿意度按照不同滿意層級拆解對比，來了解不同結(jié)構(gòu)數(shù)據(jù)下的用戶占比分布。

交叉分析也是非常常見的對比分析方法，就是講拆解后的多個維度結(jié)合進行對比，從而發(fā)現(xiàn)更深層次的差異。

（2）公式化拆解：對數(shù)據(jù)指標進行拆解

結(jié)構(gòu)化的拆解可以幫助我們得到一個有邏輯的分析框架，在具體執(zhí)行原因分析時，我們還需要對變量進行層層拆解才能找到問題產(chǎn)生的根源。例如在上述銷售額下降的案例中，通過對用戶類型進行結(jié)構(gòu)化拆解對比，發(fā)現(xiàn)新用戶的銷售額明顯下降，那么如果業(yè)務(wù)繼續(xù)追問：為什么新用戶的銷售額下降了呢？

此時，我們就可以把銷售額（數(shù)據(jù)指標）進行公式拆解，拆解成多個細分指標后，再針對細分指標進行對比分析。

比如，銷售額=銷量×客單價，在拆解之后就可以再從客單價和銷量兩個角度去進行對比分析，深挖銷售額下降的原因。是新用戶的銷量變少了，還是新用戶的客單價變低了導致新用戶銷售額下降的？

假設(shè)對比后發(fā)現(xiàn)客單價沒有變化，主要是銷量變少導致銷售額下降。還可以繼續(xù)對銷量進行拆解：銷量=人均購買數(shù)×購買人數(shù)，進而分析是購買人數(shù)下降了，還是人均購買數(shù)下降了呢？通過公式化的對指標剝離拆解，就可以實現(xiàn)層層深入到問題本質(zhì)。

結(jié)構(gòu)化和公式化拆解還可以應(yīng)用在我們對業(yè)務(wù)進行分析時的思路梳理中，比如當我們要去對某個業(yè)務(wù)的的GMV為什么高或者低進行原因分析時，我們可以對GMV進行公式化拆解，分別從流量×轉(zhuǎn)化率×客單價三個具體的方面著手，去羅列出影響這些指標的因素，逐漸完善我們的數(shù)據(jù)分析網(wǎng)絡(luò)。

三、常見的數(shù)據(jù)分析技巧

（1）對比分析法

在前文業(yè)務(wù)現(xiàn)狀分析中，已經(jīng)有詳細闡述，是描述現(xiàn)象和發(fā)現(xiàn)問題最基本的分析方法。

從對比對象上來看，可以和目標比、和同類比、和不同時期的自己比；從對比方式上來看，可以整體對比，也可以通過變量拆解后分組對比、多維交叉對比。

（2）象限法

象限法常用在需要進行落地推動的策略分析上，是通過將多個因變量因變量進行不同屬性的劃分，生成多個具備不同價值的象限，通過考察對象在象限中的位置來明確進一步的業(yè)務(wù)策略。象限分析法

舉例：

RFM模型：把客戶按照不同的維度進行劃分，區(qū)分出不同價值的客戶，從而針對不同價值的客戶進行精細化運營。

（圖片來源于網(wǎng)絡(luò)）

行動優(yōu)化矩陣：對多個待優(yōu)化模塊的具體優(yōu)化優(yōu)先級進行評估時，可以結(jié)合兩個關(guān)鍵變量來構(gòu)建出4個不同象限以進行優(yōu)先級的區(qū)分。常用的變量有滿意度和重要性，當然也可以根據(jù)具體的場景選擇其他合適的變量（如下圖選擇了滿意度和優(yōu)化意愿兩個變量）。

（3）漏斗分析法

漏斗分析主要應(yīng)用在一個有起點和終點的業(yè)務(wù)流程分析中，用來定位問題發(fā)生的具體環(huán)節(jié)，分析指標一般為轉(zhuǎn)化率或者流失率，轉(zhuǎn)化率=某環(huán)節(jié)的用戶數(shù)量/上環(huán)節(jié)的用戶數(shù)量；流失率=1-某環(huán)節(jié)的用戶數(shù)量/上環(huán)節(jié)的用戶數(shù)量。

單看漏斗分析各環(huán)節(jié)的數(shù)值是沒有意義的，需要將這些數(shù)值與歷史數(shù)據(jù)或者目標數(shù)據(jù)進行對比，定位到哪一個環(huán)節(jié)轉(zhuǎn)化率/流失率表現(xiàn)出異常。

（圖片來源于網(wǎng)絡(luò)）

業(yè)務(wù)數(shù)據(jù)分析的關(guān)鍵，是需要將零散的想法按照一定的邏輯進行梳理，有邏輯有依據(jù)的對問題進行剝離和分析，進而探尋問題的本質(zhì)，這是數(shù)據(jù)分析最具有挑戰(zhàn)性也是最有價值的環(huán)節(jié)。

本文僅介紹了一些基礎(chǔ)的分析思路，希望能為一些入門者提供一些參考。

參考資料：

• 《數(shù)據(jù)分析思維：分析方法和業(yè)務(wù)知識》
• 《商業(yè)數(shù)據(jù)分析與可視化》

作者：墨一；公眾號：酷家樂用戶體驗設(shè)計

本文由 @酷家樂用戶體驗設(shè)計 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 pexels，基于 CC0 協(xié)議