不能度量，就無法增長。

數(shù)據(jù)分析對于企業(yè)商業(yè)價值的提升起到了至關重要的作用。在具體的業(yè)務場景中，一般有八種常見的數(shù)據(jù)分析方法。

1

數(shù)字和趨勢

采用數(shù)字和趨勢圖進行數(shù)據(jù)信息的展示最為直觀，從具體的數(shù)字和趨勢走向中可以更好地得到數(shù)據(jù)信息，有助于提高決策的準確性和實時性。

比如將某app或某網(wǎng)站的uv、pv等指標統(tǒng)一匯總到一個數(shù)據(jù)看板上，進行實時更新。這樣的一個數(shù)據(jù)看板使得數(shù)字和趨勢一目了然，非常直觀。

2

維度分解

當單一的數(shù)字或趨勢過于宏觀時，我們可以通過不同維度對數(shù)據(jù)進行分解，以獲取更加精細的數(shù)據(jù)洞察。在進行維度選擇時，需要考慮此維度對于分析結(jié)果的影響。 比如某app的日活突然下降了，可以通過拆分新老用戶、渠道、app版本、地區(qū)、設備等維度，發(fā)現(xiàn)問題所在，也就是將宏觀的問題拆分成小的問題去聚焦問題所在。

3

用戶分群

用戶分群即指針對符合某種特定行為或具有共同背景信息的用戶，進行歸類處理。也可通過提煉某一類用戶的特定信息，為該群體創(chuàng)建用戶畫像。 例如使用同一app的用戶可以按照地址進行用戶群體的劃分，可分為“北京”、“上?！?、“杭州”等。由此便可進一步觀察某一用戶群體的一些行為或數(shù)據(jù)指標，如app使用時長，使用頻度，購買次數(shù)、購買金額等，以此來創(chuàng)建該用戶群體的畫像。 用戶分群的意義在于我們可以針對具有特定行為或特定背景的用戶，進行針對性的用戶運營和產(chǎn)品優(yōu)化，比如對具有“放棄支付或支付失敗”的用戶進行對應優(yōu)惠券的發(fā)放，以此來實現(xiàn)精準營銷，大幅提高用戶的支付意愿和成交量。

4

轉(zhuǎn)化漏斗

かけすな

絕大部分商業(yè)變現(xiàn)的流程，都可歸納為漏斗。漏斗分析是常見的一種數(shù)據(jù)分析手段，比如常見的用戶注冊轉(zhuǎn)化漏斗，電商下單漏斗。整個漏斗分析的過程就是用戶從前到后轉(zhuǎn)化的路徑，通過漏斗分析可以得到轉(zhuǎn)化效率。 這其中包含三個要點：其一，整體的轉(zhuǎn)化效率。 其二，每一步（轉(zhuǎn)化節(jié)點）的轉(zhuǎn)化效率。 其三，在哪一步流失最多，原因是什么，這些流失的用戶具有什么特征。 上圖是共包括三步的注冊流程，整個注冊流程的總體轉(zhuǎn)化率為46.5%，即1000個訪問了注冊頁的用戶中，有465個成功完成了注冊。關注到每一步的轉(zhuǎn)化率，發(fā)現(xiàn)第二步的轉(zhuǎn)化率為65.3%，明顯低于第一步的85.3%和第三步的83.5%，由此可推測，這一步驟可能存在問題?？舍槍@一注冊步驟去發(fā)現(xiàn)問題，再進行轉(zhuǎn)化率的提高。

5

行為軌跡

數(shù)據(jù)指標本身只是真實情況的一種抽象，通過關注用戶的行為軌跡，才能更真實地了解用戶的行為。 例如只看到常見的uv和pv指標，是無法理解用戶是如何使用你的產(chǎn)品的。通過大數(shù)據(jù)手段來還原用戶的行為軌跡，可以更好地關注用戶的實際體驗，從而發(fā)現(xiàn)具體問題。如果維度分解依舊難以確定某個問題所在，可通過分析用戶行為軌跡，發(fā)現(xiàn)一些產(chǎn)品及運營中的問題。

6

留存分析

人口紅利逐漸消退，拉新變得并不容易，此時留住一個老用戶的成本往往要遠低于獲取一個新用戶的成本，因此用戶留存成為了每個公司都需要關注的問題。可以通過分析數(shù)據(jù)來了解留存的情況，也可以通過分析用戶行為找到提升留存的方法。 如某閱讀類app，每天閱讀時長在25-30分鐘（舉個）的用戶的留存要遠高于閱讀時長在5-10分鐘的用戶的留存，因此可考慮將提高用戶的閱讀時長作為一種提升留存的方式。 常見的留存分析場景還包括不同渠道的用戶的留存、新老用戶的留存以及一些新的運營活動及產(chǎn)品功能的上線對于用戶回訪的影響等。

7

A/B測試

A/B測試通常用于測試產(chǎn)品新功能的上線、運營活動的上線、廣告效果及算法等。 比如某產(chǎn)品設計了兩種不同的界面（圖來源于網(wǎng)絡），其中包括界面背景顏色變化、點擊按鈕文案變化，模特變化等。以點擊按鈕的設計為例，通過比較實驗組（A）和對照組（B）的按鈕點擊次數(shù)、點擊率兩個指標，來評估哪一種點擊按鈕的設計帶來的效果更好。 進行A/B測試需要兩個必備因素：第一，足夠的測試時間；第二，較高的數(shù)據(jù)量和數(shù)據(jù)密度。 當產(chǎn)品的流量不夠大時，進行A/B測試很難得到統(tǒng)計結(jié)果。

8

數(shù)學建模

涉及到用戶畫像、用戶行為的研究時，通常會選擇使用數(shù)學建模、數(shù)據(jù)挖掘等方法。比如通過用戶的行為數(shù)據(jù)、相關信息、用戶畫像等來建立所需模型解決對應問題。 實踐出真知，希望大家能在日常工作、學習或項目中嘗試使用上述方法，創(chuàng)造更多的商業(yè)價值。

責任編輯：haq