盘点数据分析师常用的7个常见的维度分析问题

　　盘点数据分析师常用的7个常见的维度分析问题

　　很多做数据分析或者刚接触数据分析的小伙伴都不知道怎么做数据分析。完全没有头绪，今天就盘点一下数据分析师常用的数据分析方法。希望看过这篇文章的朋友对数据分析有一个清晰的思考。

　　方法论和方法有什么区别？

　　Methodology 是一个从宏观角度和从管理和业务角度提出的分析框架，用来指导我们进行具体分析的方向。方法是一个微观的概念，指的是我们在具体的分析过程中所使用的方法。

　　数据分析方法

　　数据分析的方法有很多种。这里我将介绍一些常用的框架。

　　1、PEST 分析方法

　　PEST 是企业的宏观环境分析模型。从政治、经济、社会、技术四个方面分析内外部环境，适合宏观分析。

　　四大因素也被称为“害虫害虫”。 PEST 要求高级管理人员具备相关能力和素质。 PEST分析与外部整体环境因素相结合，可以总结出SWOT分析中的机会和威胁。 PEST/PESTLE、SWOT 和 SLEPT 可作为企业和环境分析的基本工具。

　　2、SWOT 分析方法

　　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 分析是一种科学的分析方法，用于确定公司自身的竞争优势、竞争劣势、机会和威胁，从而使公司战略与公司内部资源和外部环境有机结合。利用该方法，可以对研究对象所在的情况进行全面、系统、准确的研究，从而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 7 个常见维度分析问题：为什么、何时、何地、什么、谁、如何、多少。广泛用于企业管理和技术活动，对决策和执行活动和措施也很有帮助，也有助于弥补考虑问题的疏漏。

　　4、4P 理论

　　经典营销理论认为产品、价格、地点和促销是影响市场的重要因素。

　　5、AARRR

　　增长黑客的海盗法则，一种以用户为中心的漏斗型数据采集测量模型，关注转化率，从获取（Acquisition）、激活（Activition）、留存（Retention）、收入（Revenue）和Referral的增长5 个链接。

　　AARRR 需要关注应用推广和运营的各个层面（各个阶段）的一些指标。在整个AARRR模型中，这些量化指标有着非常重要的地位，很多指标的影响跨越多个层次。及时准确地获取这些指标的具体数据对于应用程序的成功运行至关重要。

　　数据分析的方法很多，这里不能一一列举；没有最好的方法，只有最合适的。

　　从数据分析的方法论上，我们也可以知道，数据分析的意义在于将混乱的数据转化为清晰可见的视图，从而做出准确的决策。大数据时代的“技术和分析哪个更重要”一文也说明了分析的重要性。

　　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、最常用的数据监控和数据分析方法。通常我们在数据分析产品中创建数据指标的折线图或直方图，然后继续观察，重点关注异常值。

　　在这个过程中，我们必须选择第一个关键指标（OMTM，One Metric That Metter），不要被虚荣指标（Vanity Metrics）所迷惑。

　　以社交应用为例。如果我们把下载量作为第一关键指标，我们可能会出错；因为用户下载了应用并不意味着他使用了你的产品。在这种情况下，建议使用DAU（Daily Active Users）作为第一关键指标，并且只有开始和执行某项操作的用户才能被统计；这样的指标是有实际意义的，运营商必须把核心重点放在这样的指标上。

　　2、多维分解

　　多维分解是指根据业务需求从多个维度分离指标；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。

　　为什么要进行多维拆解？有时候，一个非常笼统的指标或者最终的指标你看不出任何问题，但是拆分之后，就会出现很多细节问题。

　　比如一个网站的跳出率是0.47、平均访问深度是4.39、平均访问时间是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；但是拆开这些指标，你会发现很多想法。

　　3、USER分群

　　用户分组主要有两种方式：维度和行为组合。

　　第一个分组是根据用户的维度，比如从区域维度来看，有北京、上海、广州、杭州等地的用户；从用户登录平台到群组，有PC用户、平板用户和手机用户。

　　第二种是基于用户行为组合的分组。比如社区每周签到3次的用户和每周签到不到3次的用户的区别。我将在未来的留存分析中对此进行分析。简介。

　　4、用户详细检查

　　如前所述，用户行为数据也是一种数据。观察用户在你的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模式。

　　大多数产品或多或少都有反人类的设计或 BUG。通过用户调查，及时发现和解决产品中的问题。

　　5、hopper 分析

　　漏斗分析是一套过程数据分析，能够科学反映用户行为状态，是用户转化率从起点到终点的重要分析模型。漏斗分析模型已广泛应用于网站用户行为分析等日常数据运营和数据分析，流量监控、产品目标转化等APP用户行为分析。

　　漏斗分析需要注意的两点：

　　第一：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拆解。拆解之后，你可能会发现不同维度下的转化率也有很大的不同。

　　6、留存分析

　　留存分析是一种用于分析用户参与/活动的分析模型。它检查有多少执行初始行为的用户将执行后续行为。这是衡量产品对用户价值的重要方法。

　　衡量留存率的常用指标有：次日留存率、7 天留存率、30 天留存率等。

　　留存分析有助于回答以下问题：

　　7、A/B 测试和 A/A 测试

　　A/B 测试是为了实现一个目标。采用两组方案，一组用户采用方案A，一组用户采用方案B。通过实验观察两组方案的数据效果，判断两组方案的质量。在A/B测试方面，谷歌不遗余力地尝试；针对搜索结果的展示，谷歌会开发多种不同的解决方案（包括文案标题、字体大小、颜色等），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，最好在 A/B 测试之前进行 A/A 测试或类似的准备工作。什么是 A/A 测试？ A/A 测试评估两个实验组是否处于同一水平，因此 A/B 测试是有意义的。其实这与学校的控制变量法、实验组与对照组、双盲实验基本相同。