本文作者分享了6個常用的數據分析方法，並結合實際案例進行了分析拓展，希望能對你有幫助。
一個產品，如果你不能衡量它，你就不能瞭解它，自然而然，你就無法改進它。數據分析説到底，就是這樣一個工具——通過數據，我們可以衡量產品，可以瞭解產品，可以在數據驅動下改進產品。
在數據分析領域，我們套用道家強調的四個字來説，叫“道、法、術、器”
- “道”則是指方向，是指導思想，是戰略；
- “法”則是指選擇的方法，有句話説“選擇比努力重要“
- “術“則是指操作技術，是技能的高低、效率的高下。比如使用分析工具的技術（如用Excel進行數據分析的水平）；
- “器“則是指物品和工具，在數據分析領域指的就是數據分析的產品或工具，“工欲善其事，必先利其器”。
而在數據分析和產品、運營優化方面，數據分析方法是其核心，屬於“法”和“術”。
那麼數據分析方法都有哪些呢？下面諸葛君為大家介紹數據分析過程中常用的6種分析方法。
01 細分分析法細分分析法是最常用的數據分析方法，對一個指標按不同的維度進行細分查看，往往就能找到影響數據指標漲幅的原因。細分方法可以分為兩類：
一類是逐步分析，比如：來北京市的訪客可分為朝陽，海淀等區；
另一類是維度交叉，如：來自付費SEM的新訪客。
以諸葛io電商demo為例：
對【付款成功】事件按【省份】屬性細分查看，能夠清晰的看出【北京】區域的漲幅與【付款成功】數據指標漲幅關係非常緊密。
（圖為諸葛io demo實操頁面）
細分分析法除了對指標異常進行深入分析之外，平時的數據指標，如果想要知道該指標的各佔比情況，也會經常用到細分功能。比如註冊成功指標中有多少佔比是男性，多少佔比是女性；付款成功中會員的佔比是多少，非會員的佔比是多少。細分是個常用到不能常用的功能。
02 漏斗分析法轉化漏斗分析是業務分析的基本模型，最常見的是把最終的轉化設置為某種目的的實現，最典型的就是完成交易。在使用漏斗過程中除了選擇各步驟的事件外，還需要特別注意漏斗的轉化時間。不同應用場景轉化時間各不相同。比如在申請獲得貸款授信上，可以按同一會話來看轉化情況；電商類的轉化時間可以按同一天內來看轉化情況；具體的要根據實際業務場景來設置轉化的週期。
（圖為諸葛io demo實操頁面）
除了通過漏斗的方式來看各流程之間的轉化，還有一種情況是計算轉化率，比如新增用户到註冊成功的轉化率是多少，這類轉化一般通過兩個事件進行四則運算來實現。
（圖為諸葛io demo實操頁面）
漏斗分析模型已經廣泛應用於網站和APP的用户行為分析中，例如流量監控、CRM系統、SEO優化、產品營銷和銷售等日常數據運營與數據分析工作中。
03 留存分析法留存分析法是一種用來分析用户參與情況和活躍程度的分析模型，從用户的角度來説，留存率越高就説明這個產品對用户的核心需求也把握的越好，轉化成產品的活躍用户也會更多，最終能幫助公司更好的盈利
當下獲客成本非常昂貴，通過廣告渠道獲取的用户當然希望他們儘量多的能夠留存下來。通過留存分析找到留存下來的用户，找出留存下來的用户他們是因為平台給他們傳遞什麼價值他們才留存下來，如果把這個平台價值能更好的傳遞給新來的用户，那就能讓更多新用户留存下來。
除了提升新增用户留存外，還需要時刻關注整體用户的留存情況，通過細分、對比等方式，尋找高留存用户的特徵，提升整體用户的留存情況。
（圖為諸葛io demo實操頁面）
04 畫像分析法在數據分析中，經常會用到用户畫像分析，比如在漏斗轉化過程中，有200個用户在某個流程中流失了，那我們需要對這200個用户進行畫像查看，查看具備什麼樣特徵的用户特別容易流失。再比如我們去廣告投放之前，我們需要知道產品核心用户的用户畫像，這樣在選擇廣告渠道上面就會非常得心應手，在換量的渠道上，也可以評估他們的用户羣體和我們產品的用户畫像是否一致，有多大比例上重疊的。
（圖為諸葛io demo實操頁面）
05 對比分析對比分析主要是將兩個相互聯繫的指標數據進行比較，一個指標本身可能看不出多少有用信息，但將兩組數據進行對比，能夠解讀的維度就相較之前會多一些，通過相同維度下的指標分析，可以發現業務在不同階段的問題。
常見的對比方法包括：時間對比、空間對比、標準對比。
比如絕對值或比例值對比，環比或同比對比，跟同行業或者自己進行對比，亦或者通過劃分不同用户羣，用户羣之間進行對比分析。
以諸葛io電商demo為例：
對「查看商品詳情」事件以「商品分類」屬性細分，對「搜狗用户羣」與「百度用户羣」進行對比分析，我們可以很清晰的查看到「來自百度」的用户比例更高，為之後運營工作開展奠定了基礎。
（圖為諸葛io demo實操頁面）
06 AB測試增長黑客的主要思想之一，是不要做一個大而全的東西，而是不斷做出能夠快速驗證的小而精的東西，快速驗證，那如何驗證呢？主要方法就是AB測試。當我們從數據中找到問題的時候，我們需要驗證洞見是否正確，這時候就需要AB測試的幫忙，將一批用户引導到新的運營方案上，之後來驗證洞見是否正確。只有從用户中得到驗證的假設才是有價值的。
比如：你發現漏斗轉化中中間有漏洞，假設一定是商品價格問題導致了流失，你看到了問題，也想出了主意。但主意是否正確，要看真實的用户反應，於是採用AB測試，一部分用户還是看到老價格，一部分用户看到新價格，若你的主意真的管用，新價格就應該有更好的轉化，若真如此，新價格就應該確定下來，如此反覆優化。
當然除了上面提到的分析方法之外，還有其他的分析方法，比如熱力圖分析、歸因分析等等，分析方法更多是術的層面，在使用哪種分析方法之前，還是需要定義清楚問題和通過那些維度去尋找突破口，再借助數據分析方法，這樣才能達到事半功倍的效果。
作者：諸葛io，微信公眾號：諸葛io
本文由 @諸葛io 原創發佈於人人都是產品經理。未經許可，禁止轉載。
題圖來自Unsplash，基於CC0協議。