数据分析方法(四):多维度拆解分析 & 对比分析
1. 多维度拆解分析方法
对于多维度拆解分析方法,要理解两个关键词:维度、拆解。
只看数据整体,我们可能注意不到数据内部各个部分构成的差异,如果忽略这种差异进行比较,就有可能导致无法察觉该差异所造成的影响。另外,遇到一个复杂问题不知道怎么解决的时候,我们可以用多维度拆解分析方法,将一个复杂问题变成可以解决的子问题。这背后的原理其实就是逻辑树分析方法。
- 从指标构成来拆解:分析单一指标的构成,例如单一指标为用户,而用户又可以拆解为新用户、老用户。
- 从业务流程来拆解:按业务流程进行拆解分析,例如不同渠道的用户付费率。
2. 对比分析方法
当我们对几个对象进行比较的时候,就要用到对比分析方法,正所谓没有对比就没有好坏。
你可能会觉得一件 299 元的衣服很贵,但是如果店主告诉你另外一件衣服要 899 元,通过比较,你顿时会觉得 299 元的这件衣服挺实惠的。实际上,899 元的那件衣服根本就不是拿来卖的,而是用来让你对比的。心理学家给这种现象发明了一个术语叫作 价格锚定,也就是通过和价格锚点对比,一些商品会卖的更好。
和谁比?
如何比?
- 数据整体的大小:某些指标可用来衡量整体数据的大小,常用的是平均值、中位数或者某个业务指标。
- 数据整体的波动:标准差除以平均值得到的值叫做变异系数,变异系数可用来衡量整体数据的波动情况。
- 趋势变化:趋势变化是从时间维度来看数据随着时间发生的变化。常用的方法是时间折线图,环比和同比。
环比 是和上一个时间段对比,用于观察短期的数据集。例如本周和上周对比,本月和上月对比。
同比 是与去年同一个时间段进行对比,用于观察长期的数据集。例如某数据在 2020 年 12 月比 2019 年 12 月下降 10%。
在进行比较的时候要注意比较对象的规模要一致。比如比较某公司在不同地区的销售额情况,因为在不同地区的店铺数量不一致,所以不能直接拿总销售额来进行比较。
AB 测试的背后也是用了对比分析方法。