认识达内从这里开始

数据分析对于指导我们的工作是有很重要的作用的。而今天我们就一起来了解一下，关于数据分析都有哪些比较常见的数据分析方法。

1、指标分析

指标可以理解为用来描述事物数量。比如我们为常见的指标：页面浏览量(PV)，也就是描述页面被浏览的次数;再比如转化率，也就是描述目标被转化的次数。用一句话来将其分类就是：谁，干了什么，结果怎样。下图分别对应产品、运营、市场的常见指标。

明确重点关注的指标后，才能更好地做针对性的优化和改进，为产品运营的决策提供指导。

2、对比分析

对比分析主要是指将两个相互联系的指标数据进行比较，从数量上展示和说明研究对象的规模大小，水平高低，速度快慢等相对数值，通过相同维度下的指标对比，可以发现，找出业务在不同阶段的问题。

例如：本周和上周进行对比就是环比;本月一周和上月一周对比就是同比;所有数据同今年的一周对比则为定基比。通过对比，可以分析业务增长水平，速度等信息。

3、比率分析

指通过计算某个维度所占维度总量的比例，分析部分与总数比例关系的一种方法。

4、转化分析

转化分析指在一个统计周期内，完成转化行为的次数占推广信息总点击次数的比率。

例如：10名用户看到某个搜索推广的结果，其中5名用户点击了某一推广结果并被跳转到目标URL上，之后，其中2名用户有了后续转化的行为。

常用的转化分析模型是漏斗分析，它能够科学反映用户行为状态以及从起点到终点各阶段用户转化率情况。漏斗分析模型已经广泛应用于网站用户行为分析和APP用户行为分析的流量监控、产品目标转化等日常数据运营与数据分析的工作中。

漏斗分析要注意的两个要点：

● 不但要看总体的转化率，还要关注转化过程每一步的转化率;

● 漏斗分析也需要进行多维度拆解，拆解之后可能会发现不同维度下的转化率也有很大差异。

举个例子，某企业的注册流程采用邮箱方式，注册转化率一直很低，才27%;通过漏斗分析发现，主要流失在【提交验证码】的环节。

经过了解发现，邮箱验证非常容易出现注册邮箱收不到邮件的情况，原因包括邮件代理商被屏蔽、邮件含有敏感字被归入垃圾邮箱、邮件送达时间过长等等。既然这么多不可控因素影响注册转化率，那就换一种验证方式。换成短信验证后，总体转化率提升到了43%，这是非常大的一个增长。

5、留存分析

留存分析是一种用来分析用户参与情况/活跃程度的分析模型，考察进行初始行为的用户中，有多少人会进行后续行为。这是用来衡量产品对用户价值高低的重要方法。

衡量留存的常见指标有：次日留存率、7日留存率、30日留存率等等。我们可以从两个方面去分析留存，一个是新用户的留存率，另一个是产品功能的留存。

比如电商行业里，某司开展了一次运营活动，比如春节的抢红包活动，那么在节后，我们需要知道在过年期间，有多少用户在这段时间内通过抢红包的活动，延长了使用该产品的时间?是否提高了日活?有多少沉睡用户被唤醒了等;

一个精准的留存分析功能能够评判出产品对用户的价值高低，到底这个产品有没有能力留住用户。我们理想的是说让用户的生命周期(使用产品的)跟随产品的生命周期保持一致，这样产品才能良性健康发展下去。

【免责声明】：本内容转载于网络，转载目的在于传递信息。文章内容为作者个人意见，本平台对文中陈述、观点保持中立，不对所包含内容的准确性、可靠性与完整性提供形式地保证。请读者仅作参考。