⼀、公式拆解
所谓公式拆解法就是针对某个指标，⽤公式层层分解该指标的影响因素。
举例：分析某产品的销售额较低的原因，⽤公式法分解
图⽚.png
⼆、对⽐分析
对⽐法就是⽤两组或两组以上的数据进⾏⽐较，是最通⽤的⽅法。
我们知道孤⽴的数据没有意义，有对⽐才有差异。⽐如在时间维度上的同⽐和环⽐、增长率、定基⽐，与竞争对⼿的对⽐、类别之间的对⽐、特征和属性对⽐等。对⽐法可以发现数据变化规律，使⽤频繁，经常和其他⽅法搭配使⽤。
下图的AB公司销售额对⽐，虽然A公司销售额总体上涨且⾼于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，最后的销售额还是赶超。
图⽚.png
三、A/B te s t
A/Btest，是将Web或App界⾯或流程的两个或多个版本，在同⼀时间维度，分别让类似访客组来访问，收集各组的⽤户体验数据和业务数据，最后分析评估出最好版本正式采⽤。A/Btest的流程如下：
（1）现状分析并建⽴假设：分析业务数据，确定当前最关键的改进点，作出优化改进的假设，提出优化建议；⽐如说我们发现⽤户的转化率不⾼，我们假设是因为推⼴的着陆页⾯带来的转化率太低，下⾯就要想办法来进⾏改进了
（2）设定⽬标，制定⽅案：设置主要⽬标，⽤来衡量各优化版本的优劣；设置辅助⽬标，⽤来评估优化版本对其他⽅⾯的影响。
（3）设计与开发：制作2个或多个优化版本的设计原型并完成技术实现。
（4）分配流量：确定每个线上测试版本的分流⽐例，初始阶段，优化⽅案的流量设置可以较⼩，根据情况逐渐增加流量。
（5）采集并分析数据：收集实验数据，进⾏有效性和效果判断：统计显著性达到95%或以上并且维持⼀段时间，实验可以结束；如果在95%以下，则可能需要延长测试时间；如果很长时间统计显著性不能达到95%甚⾄90%，则需要决定是否中⽌试验。
（6）最后：根据试验结果确定发布新版本、调整分流⽐例继续测试或者在试验效果未达成的情况下继续优化迭代⽅案重新开发上线试验。
流程图如下：
image.png
四、象限分析
通过对两种及以上维度的划分，运⽤坐标的⽅式表达出想要的价值。由价值直接转变为策略，从⽽进
⾏⼀些落地的推动。象限法是⼀种策略驱动的思维，常与产品分析、市场分析、客户管理、商品管理等。⽐如，下图是⼀个⼴告点击的四象限分布，X轴从左到右表⽰从低到⾼，Y轴从下到上表⽰从低到⾼。
image.png
⾼点击率⾼转化的⼴告，说明⼈相对精准，是⼀个⾼效率的⼴告。⾼点击率低转化的⼴告，说明点击进来的⼈⼤多被⼴告吸引了，转化低说明⼴告内容针对的⼈和产品实际受众有些不符。⾼转化低点击的⼴告，说明⼴告内容针对的⼈和产品实际受众符合程度较⾼，但需要优化⼴告内容，吸引更多⼈点击。低点击率低转化的⼴告，可以放弃了。还有经典的RFM模型，把客户按最近⼀次消费(Recency)、消费频率(Frequency)、消费⾦额 (Monetary)三个维度分成⼋个象限。
image.png
象限法的优势：
（1）到问题的共性原因
通过象限分析法，将有相同特征的事件进⾏归因分析，总结其中的共性原因。例如上⾯⼴告的案例中，第⼀象限的事件可以提炼出有效的推⼴渠道与推⼴策略，第三和第四象限可以排除⼀些⽆效的推⼴渠道；
（2）建⽴分组优化策略
针对投放的象限分析法可以针对不同象限建⽴优化策略，例如RFM客户管理模型中按照象限将客户分为重点发展客户、重点保持客户、⼀般发展客户、⼀般保持客户等不同类型。给重点发展客户倾斜更多的资源，⽐如VIP服务、个性化服务、附加销售等。给潜⼒客户销售价值更⾼的产品，或⼀些优惠措施来吸引他们回归。
五、帕累托分析
帕累托法则，源于经典的⼆⼋法则。⽐如在个⼈财富上可以说世界上20%的⼈掌握着80%的财富。⽽
在数据分析中，则可以理解为20%的数据产⽣了80%的效果需要围绕这20%的数据进⾏挖掘。往往在使⽤⼆⼋法则的时候和排名有关系，排在前20%的才算是有效数据。⼆⼋法是抓重点分析，适⽤于任何⾏业。到重点，发现其特征，然后可以思考如何让其余的80%向这20%转化，提⾼效果。
⼀般地，会⽤在产品分类上，去测量并构建ABC模型。⽐如某零售企业有500个SKU以及这些SKU对应的销售额，那么哪些SKU是重要的呢，这就是在业务运营中分清主次的问题。
常见的做法是将产品SKU作为维度，并将对应的销售额作为基础度量指标，将这些销售额指标从⼤到⼩排列，并计算截⽌当前产品SKU的销售额累计合计占总销售额的百分⽐。
百分⽐在 70%（含）以内，划分为 A 类。百分⽐在 70~90%（含）以内，划分为 B 类。百分⽐在 90~100%（含）以内，划分为 C 类。以上百分⽐也可以根据⾃⼰的实际情况调整。
怎么做数据分析ABC分析模型，不光可以⽤来划分产品和销售额，还可以划分客户及客户交易额等。⽐如给企业贡献80%利润的客户是哪些，占⽐多少。假设有20%，那么在资源有限的情况下，就知道要重点维护这20%类客户。
image.png
六、漏⽃分析
漏⽃法即是漏⽃图，有点像倒⾦字塔，是⼀个流程化的思考⽅式，常⽤于像新⽤户的开发、购物转化率这些有变化和⼀定流程的分析中。
image.png
上图是经典的营销漏⽃，形象展⽰了从获取⽤户到最终转化成购买这整个流程中的⼀个个⼦环节。相邻环节的转化率则就是指⽤数据指标来量化每⼀个步骤的表现。所以整个漏⽃模型就是先将整个购买流程拆分成⼀个个步骤，然后⽤转化率来衡量每⼀个步骤的表现，最后通过异常的数据指标出有问题的环节，从⽽解决问题，优化该步骤，最终达到提升整体购买转化率的⽬的。
整体漏⽃模型的核⼼思想其实可以归为分解和量化。⽐如分析电商的转化，我们要做的就是监控每个层级上的⽤户转化，寻每个层级的可优化点。对于没有按照流程操作的⽤户，专门绘制他们的转化模型，缩短路径提升⽤户体验。
还有经典的⿊客增长模型，AARRR模型，指Acquisition、Activation、Retention、Revenue、Referral，即⽤户获取、⽤户激活、⽤户留存、⽤户收益以及⽤户传播。这是产品运营中⽐较常见的⼀
个模型，结合产品本⾝的特点以及产品的⽣命周期位置，来关注不同的数据指标，最终制定不同的运营策略。
从下⾯这幅AARRR模型图中，能够⽐较明显的看出来整个⽤户的⽣命周期是呈现逐渐递减趋势的。通过拆解和量化整个⽤户⽣命周期各环节，可以进⾏数据的横向和纵向对⽐，从⽽发现对应的问题，最终进⾏不断的优化迭代。
image.png
七、路径分析
⽤户路径分析追踪⽤户从某个开始事件直到结束事件的⾏为路径，即对⽤户流向进⾏监测，可以⽤来衡量⽹站优化的效果或营销推⼴的效果，以及了解⽤户⾏为偏好，其最终⽬的是达成业务⽬标，引导⽤户更⾼效地完成产品的最优路径，最终促使⽤户付费。如何进⾏⽤户⾏为路径分析？
（1）计算⽤户使⽤⽹站或APP时的每个第⼀步，然后依次计算每⼀步的流向和转化，通过数据，真实地再现⽤户从打开APP到离开的整个过程。（2）查看⽤户在使⽤产品时的路径分布情况。例如：在访问了某个电商产品⾸页的⽤户后，有多⼤⽐例的⽤户进⾏了搜索，有多⼤⽐例的⽤户访问了分类页，有多⼤⽐例的⽤户直接访问的商品详情页。
（3）进⾏路径优化分析。例如：哪条路径是⽤户最多访问的；⾛到哪⼀步时，⽤户最容易流失。
（4）通过路径识别⽤户⾏为特征。例如：分析⽤户是⽤完即⾛的⽬标导向型，还是⽆⽬的浏览型。
（5）对⽤户进⾏细分。通常按照APP的使⽤⽬的来对⽤户进⾏分类。如汽车APP的⽤户可以细分为关注型、意向型、购买型⽤户，并对每类⽤户
发布评论