最实用的5种方法 数据分析常用方法有哪些( 二 )


案例:9月新增用户10万,10月新增用户15万,但9月新增用户1万,10月新增用户1万 。哪个月的经营业绩比较好?
通过同期的分组分析可以发现,9月和10月新用户的留存用户是相同的,所以9月留存率更高 。从用户质量来看,9月份的运营效果更好 。从有效用户来看,两个月的运营结果是一样的,从新增用户来看,10月的运营结果更好 。
同期群分析的目的是通过现象找出结果,在时间维度上建立同期群 。除了考虑时间维度,还可以在其他维度如来源渠道建立同期组 。
AB测试方法 精益数据分析的一个主要思路,不是一开始就做一个大而全的产品,而是不断做小而精的功能或策略,并快速验证 。如何快速验证?主要方法是AB测试 。
比如你发现漏斗转化有一个环节,用户流失严重 。假设是商品价格的问题,那么策略就是改变定价 。但策略是否正确还要看真实的用户反应,所以采用AB测试 。有些用户看到的是旧价格,有些用户看到的是新价格 。如果策略奏效,看到新价格的用户应该会有更好的转化 。然后我们可以根据结果决定是否采用新价格 。
这里的分类是将用户分为实验组和对照组 。对比是什么?就是这两组用户后期的表现 。通过对比两组用户的表现来判断产品功能或营销策略是否有效 。
用户来源分析 随着流量红利的消失,我们更加重视客源 。如何有效的标记用户来源很重要 。传统分析工具,渠道分析只有单一维度,需要对不同渠道在不同阶段的效果进行深度分析,对SEM付费搜索等来源渠道和用户所在区域进行交叉分析,得到不同区域客户的详细信息 。维度越细,分析结果越有价值 。
这里的分类是不同的用户来源渠道,比较的是各个渠道的投入产出比,从而决定哪个渠道增加投入,哪个渠道减少支出 。
矩阵分析法 矩阵分析法是指利用事物(如产品、服务等)的两个重要属性(指标)的一种分析方法 。)作为分析的基础,进行分类相关分析,找出解决问题的方法,也称矩阵相关分析法,或简称矩阵分析法 。它在资源分配方面非常有用 。
矩阵分析可以为决策者在解决问题和分配资源时提供重要的参考 。先解决主要矛盾,再解决次要矛盾,有利于提高工作效率,将资源配置到最能产生绩效的部门和岗位 。
【最实用的5种方法 数据分析常用方法有哪些】常见的矩阵分析方法有波士顿矩阵、SWOT矩阵等 。下面简单说说波士顿矩阵模型 。其主要思想是通过研究产品在企业中的市场份额和市场增长率,将企业现有产品分为四种不同类型(明星、金牛、问题、瘦狗) 。其实也是用来结合分类思路的 。例如,上图是基于“需求增长率”和“市场份额”两个维度的组合


推荐阅读