01對比細分

在互聯(lián)網(wǎng)的數(shù)據(jù)分析中, 經(jīng)常我們?nèi)シ治霰热缃裉斓幕钴S人數(shù)降低了, 我們經(jīng)常要從多個維度去分析為什么降低。

同時我們還要跟上周, 昨天, 去年同期等做對比, 分析雖然是降低了, 但對比去年是否有變化。

那么我們?nèi)绾巫鲆粋€有效的細分呢。

首先我們有很多可以細分的維度, 比如 從時間上拆分, 一個月的活躍人數(shù)我們可以拆分到每一天的人數(shù), 活躍人數(shù)可以拆分新的活躍人數(shù), 老的活躍人數(shù)。

同樣都是活躍人數(shù), 我們可以拆分不同活躍等級的人數(shù), 這里的活躍人數(shù)指的就是比如 一個月活躍 1天 活躍 3天 活躍7天等不同活躍天數(shù), 又可以拆分成一天活躍 1小時, 3小時, 7小時等不同時長的用戶。

我們還可以對地區(qū)進行細分, 比如活躍人數(shù)降低了, 我們可以細分到是哪個地方降低比較多, 是廣東還是廣西, 是湖南還是湖北。

除了以上拆分的維度, 我們還可以有很多拆分的維度, 比如另外一個例子, 我們發(fā)送的表情總數(shù)量跌了, 我們就可以拆分成發(fā)送的小黃臉小表情, 還有很騷氣的大表情。

這些拆分是跟特地業(yè)務相關(guān)的。

對于電商類的業(yè)務比如總的訂單量 我們可以拆分來自不同的店鋪, 不同的品類, 不同的商品類型, 不同的價格類型等等。

對于游戲類型的業(yè)務比如總的賣的游戲皮膚 我們可以拆分不同角色的皮膚, 武器也是類似的。

對于視頻類app 比如抖音的關(guān)注數(shù), 我們可以拆分不同用大v的粉絲數(shù)量。

單單細分, 沒有對比, 就沒有洞察, 那么我們細分好了分析維度之后, 怎么對比呢.

總結(jié)

以上是生活随笔為你收集整理的产品经理经验谈50篇（四）：数据分析常用方法及应用案例解析的全部內(nèi)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(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。