通用的分析场景下可以快速使用的思维方法

在数据分析中，数据分析思维是框架指导，在实际分析问题时仍需要大量的“技能工具”。就像你想在中学解决一元二次方法一样，你可以使用公式法、配方法、直接开平法、因式分解法。数据分析也有技巧，可以在一些通用的分析场景中快速使用，也有助于未来构建数据分析模型。接下来，我们将分享五种常见的数据分析方法，即公式法、对比法、象限法、二八法和漏斗法。一、公式法所谓公式法，就是用公式层层分解指标的影响因素，我在指标思维中提到过。例如：分析产品销售低的原因，用公式法分解产品销售=销售X产品单价销售=渠道A销售 渠道B销量 渠道C销售额 ..渠道销售=点击用户数X订单率点击用户数=曝光X点击率第一层:找出影响产品销售的因素。产品销售=X产品单价销售。销量过低还是价格设置不合理？第二层：找出影响销售的因素。分析各种渠道的销量，比较过去哪些太低。第三层：分析影响渠道销售的因素。渠道销售=点击用户数X订单率。是点击用户数量低，还是订单量太低。如果订单量太低，需要看看该渠道的广告内容是否符合人群和产品的实际受众。第四层：分析影响点击的因素。点击用户数=曝光X点击率。是曝光率不够还是点击率太低，点击率低需要优化广告创意，曝光率与投放渠道有关。通过逐层拆解销售额，对粒度进行详细评估和分析。公式拆解法是对问题的层次分析，在拆解过程中，对因素层层分解，层层剥离。二、对比法对比法是用两组或两组以上的数据进行比较，是最常用的方法。我们知道孤立的数据毫无意义，只有有对比才有区别。长度、数量、高度、宽度等直接描述事物的变量。通过比较获得比率数据、增长率、效率、效率等指标，这是数据分析中常用的。例如，同比和环比、增长率、固定基比、竞争对手、类别、特征和属性等。对比法可以发现数据变化规律，使用频繁，常与其他方法搭配使用。与下图AB公司的销售相比，虽然A公司的整体销售额上升，高于B公司，但B公司的增长速度快，高于A公司，即使后期增长率下降，最终销售仍在赶上。三、象限法通过划分两个或两个以上维度，用坐标来表达所需的价值。从价值直接转变为策略，从而推动一些落地。在产品分析、市场分析、客户管理、商品管理等方面，象限法是一种战略驱动的思维。例如，下图显示了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。高点击率、高转化率的广告，说明人群相对准确，是高效的广告。高点击率、低转换率的广告表明，大多数点击的人都被广告所吸引，低转换表明广告内容与产品的实际受众不一致。高转换、低点击的广告表明，广告内容针对的人群和产品的实际受众更符合要求，但需要优化广告内容，吸引更多的人点击。低点击率、低转化率的广告可以放弃。还有经典的RFM模型，根据最近的消费情况，将客户推向客户(Recency)、消费频率(Frequency)、消费金额(Monetary)三个维度分为八个象限。象限法的优点：1。通过象限分析法找出问题的常见原因，对具有相同特征的事件进行归因分析，并总结常见原因。例如，在上述广告案例中，第一象限事件可以提取有效的推广渠道和推广策略，第三象限和第四象限可以排除一些无效的推广渠道；2。建立象限分析方法的群体优化策略，可以建立不同象限的优化策略，如RFM客户管理模型将客户分为不同类型的关键开发客户、关键维护客户、一般开发客户、一般维护客户。更多的资源倾向于重点开发客户，如VIP服务、个性化服务、附加销售等。向潜在客户销售价值更高的产品，或者采取一些优惠措施来吸引他们回归。四、二八法/帕累托分析二八法也可称帕累托法则，源于经典的二八法则。例如，在个人财富方面，世界上20%的人拥有80%的财富。在数据分析中，可以理解，20%的数据产生80%的效果，需要围绕这20%的数据进行挖掘。使用28法则时，往往与排名有关，排名前20%的是有效数据。二八法是重点分析，适用于任何行业。找出重点，找出其特点，然后思考如何将其余80%转化为这20%，提高效果。一般来说，ABC模型将用于产品分类来测量和构建。例如，零售企业有500个SKU和与这些SKU相对应的销售额，那么哪些SKU很重要，这是业务运营中的主次问题。常见的做法是以产品SKU为维度，以相应的销售额为基本测量指标，从大到小排列这些销售指标，计算产品SKU目前累计销售额占总销售额的百分比。百分比在70%(含)以内，分为A类。百分比在70~90%(含)以内，分为B类。90~100%(含)以内的百分比分为C类。上述百分比也可根据自身实际情况进行调整。ABC分析模型不仅可以用来划分产品和销售，还可以用来划分客户和客户的交易量。比如给企业80%利润的客户是什么，比例是多少。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%的客户。五、漏斗法漏斗法是漏斗图，有点像倒金字塔，是一种过程思维方式，常用于新用户开发、购物转化率等变化和一定过程的分析。上图是经典的营销漏斗，图像展示了从获取用户到最终购买的整个过程中的个子环节。相邻环节的转化率是指用数据指标量化每一步的表现。因此，整个漏斗模型是将整个采购过程分为步骤，然后用转化率来衡量每个步骤的性能，最后通过异常数据指标找出问题链接，解决问题，优化步骤，最终达到提高整体采购转化率的目的。事实上，整体漏斗模型的核心思想可以分解和量化。例如，通过分析电子商务的转型，我们需要做的是监控每个层次的用户转型，找到每个层次的优化点。对于不按流程操作的用户，专门绘制转换模型，缩短路径，提升用户体验。还有经典的黑客增长模型，AARR模型，指Acquisition、Activation、Retention、Revenue、Referral，即用户获取、用户激活、用户保留、用户收入和用户传播。这是产品操作中常见的模型。结合产品本身的特点和产品的生命周期位置，关注不同的数据指标，最终制定不同的操作策略。从下面的AARRR模型图中，我们可以清楚地看到，整个用户的生命周期正在逐渐减少。通过对整个用户生命周期的各个环节的分解和量化，可以对数据进行横向和纵向比较，从而发现相应的问题，最终进行持续的优化迭代。然而，单一的漏斗分析是无用的，无法得到任何结果，如与历史数据的比较。嗯，这一节的内容很容易理解，结合之前的数据分析思维内容，是否开始有一点分析的感觉。下一节，我们将学习Excel的进步，重点关注数据分析和处理过程中常用的公式和操作，学会杀死一群小白。