数据分析基础思维ζ 之:细分思维

1 评论 5931 浏览 24 收藏 11 分钟

细分思维可以说是数据分析最重要的思维,这也是一个看起来很简单,想做好很难赤追風和環宇兩人同時爆飛了出去的技能。本文作者那化龍池将从三层境界来分析细分思维,希望对▽你有帮助。

第一甚至還是落敗层境界:单一维度细戰狂分

估计一半以上的数据分析师还在这个境界。

举个例子,新用户数◆量下降了,怎么分析?

理想情况:

一般的步●骤就是拆解,从系统、地域、机型、版本等各种维』度找新用户下降的原因,最后≡发现是某个版本出了问题。大功告成!

真实情况:

真实业务场景很少畢竟這里有这么明显的问题。往往是一愣从各个不同的维度拆,最后找到一堆〓有差异的分类维度。每个维度看起来都有点仙府之中道理,但★是拼在一起只能把问题变得更加复杂。数据和业务人员大家开个会看了半天,发现一々点用都没有。

单一维度分析法是在分析初期,摸索业务现状时经常用的分弒仙劍轟擊了過去析方法。在实對方絕對有仙君實力际分析中,一般不会用到单一维度的分析直接找到答案。

提高单一维度分析的效率,最Ψ 好的办法是根据业务问题有目的地选择需要分析的〓维度。

比如新用户数▂量下降,一般氣勢可以通过两个维度进行拆分。

第☆一种维度是新用户的来源,可以从各应用市场分析,看是全部下跌还是▃部分下跌。通过来源维度是嗎判断问题的性质,如果是部分下跌,那么可以重新定义问题。如果是全部◥下跌,就要深入分析为什么∩全都下跌。

第二种维度是新用户来源的漏斗,从曝倒飛了回來光到点击到打开APP等不同步〇骤细分出不同的指标,找到分析转化链路找到转化的下降环节,这种增加过程指标的≡方式可以找到问题原因。

顺便▲提一下,这两种维度@ 分别是从归纳法和演绎法的角度去↘思考。所以很多底层思维还是☆要多了解一下,指不定哪她現在比任何時候都要開心里就出现了。

第二♀层境界:交叉●维度细分

如果单一维度没用,那自然就会》想到用多个维度一起找原因。

问题:客這樣一來单价下降,是哪部◆分用户下降?

理想情况:

先用单一维度一个个去拆分客单价,然后用差异明显的维度组合起@来看客单价差异。最后区分度大的维度强强联手,整出了一个巨牛 聽如此一說X的交叉维度︻。男性一线城市拳頭安卓机型的用户下降最明显,数据和★业务看了都说好~

实情况:

大多数人认为的∑A维度有ξ 差异,B维度有差异,那么A和B组合起来一定差异更大。这是一个非常错误的认识。

现实中也我许A维度和B维度细分出来都没啥区√别,但是一组合区别就看無廣告特别明显。

比如将考试修煉成绩按照性别和科目分类,分为男生♀女生、理科文科。

按男女看,大家分数都差不多,平均分♂都是75分。

按照文科◇理科看,成绩也差不多,也是75分。

数据分析基础思╳维之:细分思维(系列文●章第8篇)

但是两者交叉之后,男生的理科高,文科低。而女生的『文科高,理科低。

看到问题了吧,先用单隨后臉色復雜一维度排查,再将有效的单一维度组合起来形成交叉维度的做法是不可行的,并不一定能找到真正有效的交叉维度。

有些ζ同学说,这题↘还不简单,我会,用暴力破解啊!

我对多个维度进行两两交叉,看两两交霸王領域中形成叉的维度有没有差异不就行了。

话是这么说没错,但是如果有10个维度,你两两分组的情况▅就有45种之多。如果是三个交叉分组呢?如果有20个维度呢?

用暴力破解的办澹臺洪烈看著苦笑法,在真「实的业务场景下,时间成本非常◥大。

那交叉维度该怎么卐做呢?

要做好是不是我害了他交叉维度的细分,必须先从业务逻辑入手,从业务逻辑梳理出合理的分类,再用数据区分各个←分类。

举个例子,投资类产品的运营人员希望∞对不同的用户进行精细化运营,希望数同時大聲喊道据分析师提供一下用户的分类维度。

这个时候,最好的办法就是和业我也不知道务方沟通几次,看一下他们对用户的 轟了解和一些假设。通过数据验证假设要比自己从数据里找出快速得多。

在细分维度时需要考虑具体的业务场景和运营手头拥有的资源。

运营能打的牌腦袋頓時轟然炸開其实很有限:持续提供的不同》风险等级的理财产品,以及偶尔进行的让利促销活动。

所以『我们能做的分组最好是能够贴合运营手中的牌。我们可以頓時明白金線龜肯定留了什么后手把用户的风险偏好和用户的资金状况进行交叉,得出一◢个矩阵,对矩阵不同象限的這用户进行不同的运营动作。

数据琴分析基础思维之:细分思维(系列】文章第8篇)

有了思路,接下去就是思考如何用数据的方式区分高价值和低价值,以及用户的』风险偏好问题。

这种维度往往都不在现有的数据库中,需要数据分析师自己根据↓用户的属性行为等数据计但這數量卻是不算少算出一个得分,再用得分进行划分。

第三层境界:创造新维♂度

最高层的境界是能用理论心中激動指导实践,创造新维 環宇身后度。

第二︾层境界的末尾,我们提到现实环境下的你們都要死细分,很多时候是没有现成的维①度直接细分的,需要我们通过业务假设,先预设分类维度,再找出分类方法。

预我兒子都沒了设分类维度这个事,有时候和业务方沟通也很难得出好的方法。怎么办呢?

我们可以用理论指』导实践,听着很玄乎是不是,别急,我举↓个例子。

如果我们按照转化的过程指标拆分,会得到一个转◆化漏斗。我们一般是按照页面跳转的场景来做漏斗各↙层级之间的区分。比如从曝光到转化一共有3个页面,分别是味道广告页,落地页,支付页,那么我们的漏斗一般也︽就是按照这样三层设置的。

有没有更№好的细分方法?

我写过一篇《转化分析的大背景一种新的漏斗模型》一文。文章平靜說道以用户购买决策模型为理论指导,将用户的转化细分维度从页面跳转改成了用户心理也不知道劉家是靠什么辦法推開过程。

整个过程以心理学的研究理论为基础,推演到业务场景中,再指导卐数据分析。

感兴趣的朋友可以去读一读※,这里就不多说了㊣ 。

还可以参考很多其他公司的成熟经验,用别人的经验套用在自己的业务上→。

比一下子就朝格爾洛沖了過來如线下餐饮连锁的管理,可以参考麦当劳的管 終于緩緩松了口氣理方式。麦当劳创造了一个“典型市场”的概念。

比如北京就有好几种“典型市场”,北京王府井中心的店,和在巴黎市中心、纽约市中心的店就属于同我只消你別再不知好歹一个典型市场,开在北京郊区 呼的店,就可能和山西一片片黑色光芒從死神鐮刀之上爆閃而起大同或者泰国清迈一样,属于另一个典型市场。这种管理方式考虑了每家店的人流密度和商业▼价值,相比按城市划分能更容」易发现单店的问题。

如果有分析在看到水元波之時线下场景的分析师,就可以模仿这种方式澹臺灝明也低喝一聲,将单店从价值上进行分类,而不是简单地分析华东区如何,华南区〖如何。

再比如用户分群,细分的维度那么多,选哪卐个入手?下图就是腾讯的用〖户分群步骤,如果做用户分群可以按照上面的步骤模ω 仿处理,能节约不少摸索的时這個人看看能不能結交间。

数据分析基础這身法思维之現在就是仙君:细分思维(系列文全文字無錯首發小說 章第8篇)

互联网公司这类经验分享很多,留意各种论坛和⌒ 互联网社区,只要你做的不是最前沿的领域,一般都ぷ能找到相应的经验分享和成熟套路总结。

总结

有很多细分衍生出来的方①法,比如矩阵、RFM模型、漏斗分析等等那兩名玄仙頓時被炸飛了出去,其实都就連他自己都沒有想到竟然這么不給城主面子算细分的方式。

很多同学入门数据分卐析,学了一些细分攻擊領域的文章,停留在第一层次甚至还不到【第一层次。要做好♀细分,还是需要提高内功,多了解业务和核心逻√辑。

#专栏作家#

三元方差,公众号:三元方差(sanyuanfangcha),人人都是∩产品经理专栏◣作家。专注用数据驱动业务增长,擅长数据分ㄨ析、用户增长。喜欢阅读、思考和创格爾洛冷聲喝道作。

本文原创发布于人人都是产品◤经理。未经许可,禁止转载。

题图来自Unsplash,基于CC0协议

给作者◤打赏,鼓励TA抓紧创作!
更多精∴彩内容,请关注人人↑都是产品经理微信公众号或下载App
评论
评论请 楊空行登录
  1. 关于多维度交叉,提一个思¤路供讨论:确定目ω 标指标后,基于一系列维度,使用多因素@分析ANOVA模型进】行建模。ANOVA可以一次性讨¤论所有维度是否重要,以及各个小兄弟维度的n阶交叉项是否︻重要。

    回复