通用的分析场景下可以快速使用的思维方法

在数据分析中，数据分析思维是框架指导，在实际分析问题时仍需要大量的“技能工具”。就像你想在中学解决一元二次方法一样，你可以使用公式法、配方法、直接开平法、因式分解法。数据分析也有技巧，可以在一些通用的分析场景中快速使用，也有助于未来构建数据分析模型。接下来，我们将分享五种常见的数据分析方法，即公式法、对比法、象限法、二八法和漏斗法。一、公式法所谓公式法，就是用公式层层分解指标的影响因素，我在指标思维中提到过。例如：分析产品销售低的原因，用公式法分解产品销售=销售X产品单价销售=渠道A销售 渠道B销量 渠道C销售额 ..渠道销售=点击用户数X订单率点击用户数=曝光X点击率第一层:找出影响产品销售的因素。产品销售=X产品单价销售。销量过低还是价格设置不合理？第二层：找出影响销售的因素。分析各种渠道的销量，比较过去哪些太低。第三层：分析影响渠道销售的因素。渠道销售=点击用户数X订单率。是点击用户数量低，还是订单量太低。如果订单量太低，需要看看该渠道的广告内容是否符合人群和产品的实际受众。第四层：分析影响点击的因素。点击用户数=曝光X点击率。是曝光率不够还是点击率太低，点击率低需要优化广告创意，曝光率与投放渠道有关。通过逐层拆解销售额，对粒度进行详细评估和分析。公式拆解法是对问题的层次分析，在拆解过程中，对因素层层分解，层层剥离。二、对比法对比法是用两组或两组以上的数据进行比较，是最常用的方法。我们知道孤立的数据毫无意义，只有有对比才有区别。长度、数量、高度、宽度等直接描述事物的变量。通过比较获得比率数据、增长率、效率、效率等指标，这是数据分析中常用的。例如，同比和环比、增长率、固定基比、竞争对手、类别、特征和属性等。对比法可以发现数据变化规律，使用频繁，常与其他方法搭配使用。与下图AB公司的销售相比，虽然A公司的整体销售额上升，高于B公司，但B公司的增长速度快，高于A公司，即使后期增长率下降，最终销售仍在赶上。三、象限法通过划分两个或两个以上维度，用坐标来表达所需的价值。从价值直接转变为策略，从而推动一些落地。在产品分析、市场分析、客户管理、商品管理等方面，象限法是一种战略驱动的思维。例如，下图显示了广告点击的四象限分布。X轴从左到右表示从低到高，Y轴从下到上表示从低到高。高点击率、高转化率的广告，说明人群相对准确，是高效的广告。高点击率、低转换率的广告表明，大多数点击的人都被广告所吸引，低转换表明广告内容与产品的实际受众不一致。高转换、低点击的广告表明，广告内容针对的人群和产品的实际受众更符合要求，但需要优化广告内容，吸引更多的人点击。低点击率、低转化率的广告可以放弃。还有经典的RFM模型，根据最近的消费情况，将客户推向客户(Recency)、消费频率(Frequency)、消费金额(Monetary)三个维度分为八个象限。象限法的优点：1。通过象限分析法找出问题的常见原因，对具有相同特征的事件进行归因分析，并总结常见原因。例如，在上述广告案例中，第一象限事件可以提取有效的推广渠道和推广策略，第三象限和第四象限可以排除一些无效的推广渠道；2。建立象限分析方法的群体优化策略，可以建立不同象限的优化策略，如RFM客户管理模型将客户分为不同类型的关键开发客户、关键维护客户、一般开发客户、一般维护客户。更多的资源倾向于重点开发客户，如VIP服务、个性化服务、附加销售等。向潜在客户销售价值更高的产品，或者采取一些优惠措施来吸引他们回归。四、二八法/帕累托分析二八法也可称帕累托法则，源于经典的二八法则。例如，在个人财富方面，世界上20%的人拥有80%的财富。在数据分析中，可以理解，20%的数据产生80%的效果，需要围绕这20%的数据进行挖掘。使用28法则时，往往与排名有关，排名前20%的是有效数据。二八法是重点分析，适用于任何行业。找出重点，找出其特点，然后思考如何将其余80%转化为这20%，提高效果。一般来说，ABC模型将用于产品分类来测量和构建。例如，零售企业有500个SKU和与这些SKU相对应的销售额，那么哪些SKU很重要，这是业务运营中的主次问题。常见的做法是以产品SKU为维度，以相应的销售额为基本测量指标，从大到小排列这些销售指标，计算产品SKU目前累计销售额占总销售额的百分比。百分比在70%(含)以内，分为A类。百分比在70~90%(含)以内，分为B类。90~100%(含)以内的百分比分为C类。上述百分比也可根据自身实际情况进行调整。ABC分析模型不仅可以用来划分产品和销售，还可以用来划分客户和客户的交易量。比如给企业80%利润的客户是什么，比例是多少。假设有20%，那么在资源有限的情况下，就知道要重点维护这20%的客户。五、漏斗法漏斗法是漏斗图，有点像倒金字塔，是一种过程思维方式，常用于新用户开发、购物转化率等变化和一定过程的分析。上图是经典的营销漏斗，图像展示了从获取用户到最终购买的整个过程中的个子环节。相邻环节的转化率是指用数据指标量化每一步的表现。因此，整个漏斗模型是将整个采购过程分为步骤，然后用转化率来衡量每个步骤的性能，最后通过异常数据指标找出问题链接，解决问题，优化步骤，最终达到提高整体采购转化率的目的。事实上，整体漏斗模型的核心思想可以分解和量化。例如，通过分析电子商务的转型，我们需要做的是监控每个层次的用户转型，找到每个层次的优化点。对于不按流程操作的用户，专门绘制转换模型，缩短路径，提升用户体验。还有经典的黑客增长模型，AARR模型，指Acquisition、Activation、Retention、Revenue、Referral，即用户获取、用户激活、用户保留、用户收入和用户传播。这是产品操作中常见的模型。结合产品本身的特点和产品的生命周期位置，关注不同的数据指标，最终制定不同的操作策略。从下面的AARRR模型图中，我们可以清楚地看到，整个用户的生命周期正在逐渐减少。通过对整个用户生命周期的各个环节的分解和量化，可以对数据进行横向和纵向比较，从而发现相应的问题，最终进行持续的优化迭代。然而，单一的漏斗分析是无用的，无法得到任何结果，如与历史数据的比较。嗯，这一节的内容很容易理解，结合之前的数据分析思维内容，是否开始有一点分析的感觉。下一节，我们将学习Excel的进步，重点关注数据分析和处理过程中常用的公式和操作，学会杀死一群小白。

以上就是关于通用的分析场景下可以快速使用的思维方法的相关介绍，更多通用的分析场景下可以快速使用的思维方法相关内容可以咨询我们或者浏览页面上的推荐内容。我们将让你对通用的分析场景下可以快速使用的思维方法有更深的了解和认识。