最簡單也是最常見的數據分析方法，壹般用於核心指標的長期跟蹤，如點擊率、GMV、活躍用戶數等。我們可以看到數據的趨勢變化，周期性，拐點，然後分析原因。
2.多維分解
即通過不同維度對數據進行分解，以獲得更詳細的數據洞察。比如網站維護的數據分析，可以分為區域、訪問源、設備、瀏覽器等維度。
3.用戶分組
對滿足壹定行為或背景信息的用戶進行具體優化分析，以多維度、多指標作為分組條件，優化供應鏈，提高供應鏈穩定性。
4.漏鬥分析
根據已知的轉化路徑，借助漏鬥模型分析整體和每壹步的轉化情況。比如漏鬥圖可以用來分析網站關鍵路徑的轉化率，它不僅可以顯示用戶的最終轉化率，還可以顯示每個節點的轉化率。
5.殘留分析
留存分析是壹種分析模型，用於分析用戶參與/活動，並調查有多少進行初始行為的用戶會進行後續行為。衡量留存率的常見指標有第二天留存率、7天留存率和30天留存率。
6.A/B測試
為了達到壹個目的，A/B測試采用兩種方案。通過實驗觀察兩種方案的數據效果，判斷兩種方案的好壞，需要選擇合理的分組樣本、監測數據指標、事後數據分析以及不同方案的評價。
7.對比分析
可以分為橫向比較(和自己比較)和縱向比較(和別人比較)。常見的比較應用是A/B測試。A/B檢驗的關鍵是保證兩組只有壹個單變量，其他條件壹致。
8.交叉分析
交叉分析法是從多個維度交叉展示對比分析，進行多角度組合分析，尋找最相關的維度，探究數據變化的原因。