專(zhuān)注流量數(shù)據(jù)分析，就職過(guò)360和58。

“數(shù)據(jù)人創(chuàng)作者聯(lián)盟”成員

數(shù)據(jù)分析已成為很多不同崗位職場(chǎng)人的工作內(nèi)容之一，無(wú)論是在數(shù)據(jù)驅(qū)動(dòng)的互聯(lián)網(wǎng)行業(yè)還是在數(shù)字化轉(zhuǎn)型的傳統(tǒng)行業(yè)，對(duì)數(shù)據(jù)敏感、掌握常用的數(shù)據(jù)分析思維方法，可以幫助大家在處理具體問(wèn)題時(shí)選對(duì)方法、提高效率、達(dá)成目標(biāo)。

一些分析思維其實(shí)很簡(jiǎn)單，不需要復(fù)雜的統(tǒng)計(jì)學(xué)原理，并且大家已經(jīng)在實(shí)際工作中廣泛應(yīng)用到了。這些應(yīng)用是工作經(jīng)驗(yàn)積累中形成的潛在方法，但可能并沒(méi)有歸納總結(jié)過(guò)，所以在面對(duì)一些復(fù)雜問(wèn)題時(shí)仍會(huì)手忙腳亂不知道該從何下手。本文結(jié)合實(shí)際的工作場(chǎng)景，為大家總結(jié)歸納5種工作中常用的數(shù)據(jù)分析思維。

01分類(lèi)思維

用戶分層、項(xiàng)目管理、市場(chǎng)分級(jí)、績(jī)效評(píng)價(jià)等許多日常事務(wù)中都需要有分類(lèi)的思維。分類(lèi)思維是如何應(yīng)用的呢？

例如，對(duì)用戶價(jià)值該如何界定從而制定不同的產(chǎn)品策略問(wèn)題。用戶的價(jià)值可以簡(jiǎn)單抽象為活躍度和付費(fèi)能力兩大維度。

那么基于兩大維度，即可將用戶分為4類(lèi)，可以針對(duì)不同價(jià)值用戶制定不同的產(chǎn)品策略：

高活躍高付費(fèi)用戶：即為產(chǎn)品的核心種子用戶，細(xì)致的刻畫(huà)這類(lèi)用戶特征，針對(duì)性推廣即可擴(kuò)大核心用戶群提高產(chǎn)品的用戶質(zhì)量

高活躍低付費(fèi)用戶、低活躍高付費(fèi)用戶：需要挖掘用戶行為，找出付費(fèi)意愿低/用戶沉默的原因作為產(chǎn)品的優(yōu)化方向

低活躍低付費(fèi)用戶：非目標(biāo)用戶可降低獲客成本縮減資源。

分類(lèi)后的對(duì)象，分布不是隨機(jī)的，而是有顯著的集群的傾向。利用群體的傾向表征做差異化處理可以合理分配資源、提升最終效果。

02漏斗思維

這種思維方式已經(jīng)比較普及了，廣告轉(zhuǎn)化鏈路、用戶行為、購(gòu)買(mǎi)轉(zhuǎn)化、渠道管理等眾多的分析場(chǎng)景都會(huì)用到漏斗思維。但看上去越普通越容易理解的思維方法，越是要明確一些關(guān)鍵點(diǎn)，不可濫用。

需要注意的是：

（1）漏斗環(huán)節(jié)不可過(guò)多

（2）各環(huán)節(jié)間轉(zhuǎn)化率差異不易過(guò)大

原因是，環(huán)節(jié)過(guò)多容易產(chǎn)生多個(gè)關(guān)鍵節(jié)點(diǎn)，問(wèn)題拆解不清晰不徹底，遇到這種情況需要事先把問(wèn)題拆解，通過(guò)多個(gè)漏斗分析或疊加使用其他方法方才能清晰拆解問(wèn)題理清脈絡(luò)。

轉(zhuǎn)化率差異過(guò)大，說(shuō)明各環(huán)節(jié)的可比性比較差，可能中間存在環(huán)節(jié)遺漏，不能展現(xiàn)問(wèn)題的全貌。比如前置環(huán)節(jié)的轉(zhuǎn)化率從80%—60%存在顯著下降，可是最終環(huán)節(jié)的轉(zhuǎn)化率從2%—1%，感覺(jué)前置環(huán)節(jié)的波動(dòng)對(duì)最終結(jié)果的影響不大，可是最終1%的下降可能造成百萬(wàn)甚至千萬(wàn)的用戶流失。這就是漏斗分析的濫用可能引發(fā)的問(wèn)題

03邏輯樹(shù)思維

樹(shù)狀圖的邏輯體現(xiàn)中，經(jīng)常會(huì)提到“分解”和“匯總”的概念。在數(shù)據(jù)分析的日常工作中，這兩種概念又被稱(chēng)為“下鉆”和“上卷”。

所謂下鉆，就是在分析指標(biāo)的變化時(shí)，按一定的維度不斷的分解。上卷，就是反過(guò)來(lái)，按照一定的維度不斷聚合。隨著維度的下鉆和上卷，數(shù)據(jù)會(huì)不斷細(xì)分和匯總，在這個(gè)過(guò)程中，我們往往能找到問(wèn)題的根源。

例如：我們發(fā)現(xiàn)公司某APP產(chǎn)品4月的廣告收入同比去年下降了10%，那么我們?cè)撊绾味ㄎ粏?wèn)題呢？按照結(jié)構(gòu)化的邏輯數(shù)思維我們就可以將問(wèn)題分為下鉆、上卷兩個(gè)角度去全面的剖析收入下降的原因

04公式化思維

上面學(xué)習(xí)了邏輯樹(shù)思維，但它有個(gè)缺點(diǎn)：不夠公式化。沒(méi)有量化的表達(dá)出關(guān)聯(lián)關(guān)系。

公式化是利用簡(jiǎn)單的加減乘除或復(fù)雜的函數(shù)公式來(lái)量化分析思維：將不同的業(yè)務(wù)指標(biāo)通過(guò)計(jì)算邏輯相關(guān)連。當(dāng)發(fā)生業(yè)務(wù)指標(biāo)的波動(dòng)時(shí)，方便快速的逐一排查定位影響。且單一結(jié)果指標(biāo)可以拆解成多個(gè)公式，盡量多的列舉計(jì)算邏輯可以更全面的定位問(wèn)題。

還拿廣告收入為例，收入可以拆解成如下公式，那么對(duì)于收入的下降即可逐一定位排查

05時(shí)間序列思維

很多問(wèn)題，我們找不到橫向?qū)Ρ鹊姆椒ê蛯?duì)象，那么歷史數(shù)據(jù)對(duì)比，就將變得非常重要。常用的時(shí)間維度的對(duì)比有：同比、環(huán)比、定基比。這種方式可以表現(xiàn)一個(gè)周期內(nèi)的指標(biāo)變換情況，方便明確一些波動(dòng)問(wèn)題及增長(zhǎng)/下降趨勢(shì)，可以更為明確的展現(xiàn)出項(xiàng)目進(jìn)展的節(jié)奏。

時(shí)間序列的思維有三個(gè)關(guān)鍵點(diǎn)：

（1）距離當(dāng)前越近的時(shí)間點(diǎn)，越重要；

（2）要做同比，指標(biāo)往往存在某些周期性，需要在周期中的同一階段進(jìn)行對(duì)比，才有意義；

（3）異常值出現(xiàn)時(shí)，需要重視，建議在做時(shí)序圖時(shí)，添加平均值線或標(biāo)準(zhǔn)差線，便于觀察異常值及其抖動(dòng)情況

各種思維方式的應(yīng)用，沒(méi)有優(yōu)劣之分，在不同的工作場(chǎng)景下使用恰當(dāng)?shù)奶幚矸椒ㄕ业阶顑?yōu)解才是最關(guān)鍵的。大多數(shù)人都不是與生俱來(lái)的“對(duì)數(shù)據(jù)敏感”、“思維敏捷”、“擅長(zhǎng)分析”，經(jīng)驗(yàn)的積累與沉淀是數(shù)據(jù)思維培養(yǎng)與提升的關(guān)鍵！