大数跨境

数据分析必备的三个基础思维模型

数据分析必备的三个基础思维模型 爱运营
2022-03-14
0
导读:思维模型

一、对比思维

1. 对比分析的定义

利用相对性找到数据的特点和发展趋势,以及找出影响这种差异的原因、优化差异的方法。

通常把两个相互联系的指标数据进行比较,从数量上展示和说明研究对象规模的大小,水平的高低,速度的快慢,以及各种关系是否协调

2. 对比的关键:维度和指标

  • 指标强调的是共识性

没有共识就没有意义,让其他人都认同的“共识”,避免出现自我型对比,保持中立客观。

  • 维度强调的是相对性

参考系的建立需要有对比对象,相同的数据放在不同的参考系下,其结果可能大相径庭。

比如下图中,如果以“时间”为参考系,那么公司从去年到今年的发展是有上升趋势的;但是如果加入行业发展的横向对比,会发现行业的上涨速度更快,公司反而没有获得行业上涨的红利,而导致上涨缓慢。

3. 怎么进行对比

  • 第一步:确定维度,拆分影响因素形成指标,排除无关因素

以APP拉新为例

基于指标,拉数据,绘图表。

以下为渠道对比,A、B、C代表3个渠道

    • 从条形图来看:A的点击量最高,B的下载量最高,C每个指标都不出众。

    • 从下载率(下载/点击)和注册率(注册/下载)来看:A的注册率高但下载率流失严重,B的下载率高但注册流失严重,C的下载率和注册率都相对更稳定。

提出假设,引入新的维度:是不是因为A花更多钱做投放,而C投放量少,如果C加大投放量,会不会综合的拉新效果更好?

  • 第二步:根据第一步选择的维度,进行多维度对比

    • 时间维度:同时期对比或者上一时期的对比,包括环比、同比

    • 空间维度:比如不同城市的对比、不同行业的对比、不同国家的对比

    • 计划维度:比如与计划值、平均值、中间值的对比,多为差异对比

  • 第三步:保持一致性

    • 度量的一致性

    • 对象的一致性

    • 指标的一致性

    • 数据来源的一致性

4. 对比的分类

  • 纵向对比:跟自己对比,同比、环比

  • 横向对比:跟别人相比

不同部门、不同公司、不同地点、不同城市、不同区域、不同国家、不同领域……

  • 相对对比:对比率

  1. 结构相对数:将同一总体内的部分数值与全部数值对比求得比重,用以说明事物的性质、结构或质量,比如:数值占比

  2. 比例相对数:将同一总体内不同部分的数值对比,表明总体内各部分的比例关系,比如:男女比例

  3. 比较相对数:将同一时期两个性质相同的指标数值对比,说明同类现象在不同空间条件下的数量对比关系

  4. 强度相对数:将两个性质不同但有一定联系的总量指标对比,用以说明现象的强度、密度和普遍程度

  5. 计划完成程度相对数:是某一时期实际完成数与计划数对比,用以说明计划完成程度

  6. 动态相对数:将同一现象在不同时期的指标数值对比,用以说明发展方向和变化的速度


二、细分思维

  1. 什么是细分


如果只对比,不细分,不能找到问题的根本原因。

想要进行多维数据的提取,需要按
照不同的维度和角度进行单个数据
的划分
这也就是我们常说的钻取、上卷、
切片、切块、旋转

2.细分分析的方法

– 拆分法

地区:不同地点、不同省份、不同国家等

时间:不同时间、时间段拆分,目的是发现数据发展趋势

渠道:不同来源进行拆分,为了发现不同渠道的流量、产品差异性;

用户:用户细分比较常见,目的是寻找有价值、有潜力、购买力强的客户;

组成:比如搜索由搜索词组成,可以拆分不同搜索词;店铺流量由不用店铺产生,可以分拆不同的店铺

– 交叉法

利用了不同维度的交叉,通过横向维度和纵向维度的组合,类似于OLAP中的数据立方体,从而实现数据的扩展。

3. 细分的模型

– 转化漏斗模型(拆分法)

最常见的是把最终的转化设置为某种目的的实现,最典型的就是完成交易。
漏斗的每一层,都有一定的容量:漏斗越往下,容量越小;而层与层之间的比例,就是转化率。
要提高最终的收入,就是把每一层的容量都扩大,或者把下钻的转化率给提高。

– RFM模型(交叉法)

1)人群划分
基础属性:如性别、年龄、地域;
兴趣属性:如媒体偏好、交易行为;
自定义属性:基于行业的特征定义的属性
2)明确指标
通过客户名称、消费时间、消费金额来处理出上次交易间隔R、交易频率F、交易金额M三个原始字段
3)切分指标
等宽:如平均值;
等频:如频率;
等类:如聚类;
4)用户分类
将客户细分为八个类别,以便于我们针对客户类型提供不同的服务和对应的措施

三、趋势思维

1. 什么是趋势思维

一般来说是按照时间的维度,对某一数据或者不同数据变化趋势进行差异化研究,以及对数据的下一步变化进行预测。

两个核心点:

  • 明确数据变化

  • 对趋势做出解释

2.趋势分析的分类

– 按照分析目的进行分类

  • 预测分析:

假如你想预测一下某个产品能不能继续扩大市场,也就是预测分析
  • 现状分析:

想评判一下某个产品卖得好不好,就属于现状分析

– 按照分析方向进行分类

  • 横向分析:

对多个数据进行同一纬度的趋势对比,就属于横向对比
  • 纵向分析:

趋势图上只有一条线,也就是对单个数据进行自身趋势对比,就属于纵向分析

3. 怎么进行趋势分析

– 单一数据的纵向趋势分析

  • 第一步,找拐点。

发生异常的点在哪里?有什么特征?
  • 第二步,分析原因。

为什么企业年增长率从2015年开始的不断上升,突然在2017年急剧下降呢?
  • 第三步,有效预测。

如何进行数据预测?
找拐点:上图案例中,拐点出现在2017年,2017年的销售增长率见顶,次年出现下滑。
分析原因:2017年的营销总额投放下降较多,导致市场占有率下降,尽管2018年又加大投放,但2018年的销售增长率仍无法恢复到上一年的状态。
有效预测:可以进行回归分析,增加趋势线

– 多个数据的横向趋势分析

  • 第一步,找差异点。

什么数据是独有的、其他维度没有的?
  • 第二步,拆分指标

  • 第三步,分析趋势

总结

延伸阅读
  • 如何搭建个人知识体系

  • 从0到1搭建用户激励体系

  • 活动策划上线及复盘(sop)

  • 一张图识别好公司和烂公司

  • 运营之光思维导图分享,附Xmind源文件

  • 《我在阿里做运营》思维导图精华版

  • 建立你的价值金字塔.PPT

  • 从0开始说《高级增长黑客》

  • 怎样把 PPT 做的像麦肯锡一样专业?

  • 互联网大厂的薪资和职级一览!

  • 国内外著名公司的组织架构图

  • 19大类254个产品运营常用网站工具推荐

  • 【书单】增长黑客必读的27本书

  • 产品运营职业发展路径解读

点击查看更多运营知识


PS:欢迎各位运营喵投稿,投稿请发送邮件到admin@iyunying.org,优质稿件将发布在微信公众号。


您的关注阅读就是对爱运营最大的支持!敬请关注爱运营,运营者个人微信:rubinhan


点击“阅读全文”,查看更多运营文章
【声明】内容源于网络
0
0
爱运营
1234
内容 4167
粉丝 0
爱运营 1234
总阅读0
粉丝0
内容4.2k