文章目錄

• 1 單指標分析方法
• • 1.1 周期性分析法
  • 1.2 結構分析法
  • 1.3 分層分析法
• 2 多指標分析方法
• • 2.1 矩陣分析法
  • 2.2 指標拆解法
  • 2.3 漏斗分析法

本文來源，為接地氣的陳老師的知識星球，以及付同學的觀看筆記。

1 單指標分析方法

顧名思義，用單個數據指標進行數據分析
適應場景：接觸新任務，不了解數據情況，不了解業務形態
優先看KPI指標（收入/成本等）關鍵指標，再看細節

1.1 周期性分析法

收入的產生，一般有周期性，有自然周期、生命周期和主動行為周期。

自然周期：春夏秋冬、工作日/節假日，由此可分為淡旺季等
生命周期：新產品上市、推廣、熱銷、下架，可分析在此期間核心指標的變化
主動行為周期：上個新活動，持續影響多少天

使用周期分析法可以識別這種期性波動導致的數據變化。識別周期是看清正常走勢、評估問題的起點。
尋找周期性要從大到小找出業務發展的周期性規律：

先看最大、最關鍵的收入指標，從月到日，逐步縮小范圍。在日期上，標注會影響整體收入的重大舉措（促銷/政策）。區分新老，新地區、新產品、新用戶關注其生命周期。
指標異常時，先看是否是正常周期變化，剔除周期因素后，才是真正的問題。

1.2 結構分析法

結構分析法：通過觀察內部結構，來分析指標走勢的方法。
通過周期分析知道指標是怎么變化的，通過看內部結構可以知道它為什么這么變化，即：總收入 = A部分收入 + B部分收入 + C部分收入。
通過結構分析法，能直觀地看到收入/成本構成，從而對收入/成本變化進行解讀，進一步發現問題。
案例：

只看整體業績可以看出業績是在下降的，但是不能看出來是如何下降的。
而對業務進行細分，分成實體店、電商平臺和小程序商城，可以看出，實體店從3月開始是一直在跌的，這導致整體業績下滑。
有兩種典型的結構變化：

1.一般認為同漲同跌，代表動力在外（大環境、整體政策…）
2.有漲有跌，則是某些部分有問題，某些部分有機會

結構性分析法應用場景：

1.定年度計劃時，按照結果拆解目標，下放到城市；
2.監控指標走勢時，先看整體變化，再看哪個部分引起的變化。
結構分析法的關鍵是要做好清晰的結構分類，這樣才能快速鎖定問題
經典的分類維度：人（用戶年齡/性別）、貨（商品大類/細類）、場（區域/城市/推廣渠道）

1.3 分層分析法

分層分析法就是要暴露出個體差異?？梢岳枚硕蛇M行分層。在數據差異非常大的時候，可以利用平均數倍數分層。
作用：

在制定策略時，考慮做大優秀個體/降低差勁個體；在實地執行時，關注優秀是否流失，差勁是否闖禍；在經營分析時，通過優秀/差勁個體結構變化，解讀數據。從廣大的子個體中找到能力最優秀/最差勁的個人

分層分析法的關鍵：

1.對個體做分層，找關鍵指標（收入/成本）
2.分層過程中，關注極端個案，關注平均值差異
3.跟蹤分析結果是否穩定，與業務討論是否值得進一步深挖

2 多指標分析方法

使用多指標分析法，可以綜合收入與成本兩個指標，評價業務，并了解收入/成本是怎么產生的，給出業務建議。
從單指標變成多指標，要先做矩陣分析，綜合評價好/壞，先拆解過程，再看細節。

2.1 矩陣分析法

矩陣分析法就是把兩個獨立出現的事交叉組合：

1.用兩個相關度較低的指標描述一個事務；
2.將兩個指標進行交叉分類，區分事物類型；
3.用圖形（散點圖）表示分類結果。

1.兩個指標，至多會產生四個組合。

如，高、帥：
高 + 帥、矮 + 帥、高 + 丑、矮 + 丑

2.制作矩陣：

1.明確對象與評價指標，準備數據；
2.計算平均值，進行分類；

3.做出散點圖，觀察數據形態；

4.給每個分類命名，找出業務含義，利用矩陣提建議；

矩陣分析法自帶標準，可以對大部分業務進行評價，結論清晰，業務指向明確，適合向業務提建議。
矩陣分析法的關鍵：

1.清晰評估對象，選相關度低但重要的指標；
2.重點專注左上、右下的特殊區域，了解背后業務問題；
3.持續跟蹤業務表現，發現產生了效果的業務動作，檢測變化。
個別樣本太突出，剩下樣本指標太過接近時不適合用矩陣分析法，應用分層分析法。

2.2 指標拆解法

指標拆解法是將一個大指標（通常是收入、成本這種關鍵指標）拆成若干個新的、有業務含義的子指標，通過解讀子指標來分析問題的方法。拆解一個指標，能解讀出更多信息。

指標拆解與結構分析的區別：

指標拆解是將一個指標拆解成兩個新的指標；
結構分析
是將一個指標的結構進行拆解，如總消費=食物消費+飲料消費，但是指標還是消費，并沒有改變。
每個拆解后的指標，對應一個業務動作。拆解后看哪個指標低了，則讓相應的業務部門跟進。

指標分解的關鍵：

1.分解指標不是盲目的分解，而是分解成有業務含義、業務部門容易執行的指標；
2.最常見的分解：一個數量指標 * 一個質量指標

2.3 漏斗分析法

漏斗是對一個連續的操作步驟的形象稱呼
如：

網上買東西：廣告頁->詳情頁->購物車->支付頁->付款成功
每增加一個步驟，即會流失一些用戶，因此形如漏斗

漏斗分析法：

對整個流程中，每個環節參與人數、流失人數、上下環節之間轉化人數進行計算，從而發現流程問題的方法。

影響漏斗轉化的兩類因素：

局部變量和全局變量，局部變量一般影響的是轉化漏斗開頭的位置。

漏斗分析的作用：

1.漏斗分析可以找出哪里差，之后補哪里，從最弱的開始一直補過去，結合每個步驟的業務含義，提出最優化建議。
2.利用漏斗分析可以挑選出更好的產品，有時候優化方式不是頭疼醫頭、腳疼醫腳而是顛覆式的整體改變，因此，可以在多個轉化方案之間進行比較，直接挑選效果更好的方案。
案例：

可以直接看最終轉化率，A、B都不合格，其中B的問題發生在事件末端。
3.對比多個版本，觀察效果，很可能短期內業務能力有上限，怎么改也就那樣，給每個轉化流程圈定能力上下限，判斷是否穩定，就非常重要。漏斗的上下差別越小，說明越穩定，越值得信任。

總結

以上是生活随笔為你收集整理的九大数据分析方法-单指标分析方法与多指标分析方法的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。