1.數據趨勢分析
壹般來說,趨勢分析適用於對產品核心指標的長期跟蹤,如點擊率、GMV、活躍用戶數等。做壹個簡單的數據趨勢圖不是趨勢分析,趨勢分析需要明確數據的變化,分析變化的原因。
趨勢分析,最好的輸出是比值。在趨勢分析中,需要明確幾個概念:環比、同比、定基比。環比是指本期統計數據與上期統計數據的對比,比如2019年2月與2019年6月對比,環比可以看出近期的變化趨勢,但會有壹些季節性差異。為了消除季節差異,提出了同比的概念,比如將2019年2月與2018年2月進行對比。定基比比較好理解,就是與某個基點進行比較,比如以2018 1月為基點,定基比與2019二月和2018 1月進行比較。
比如2065438+2009年2月,某APP月活躍用戶數為2000萬,環比增長2%,同比去年2月增長20%。趨勢分析的另壹個核心目的是解釋趨勢。對於趨勢線中明顯的拐點,要對發生的事情給出合理的解釋,不管是外部原因還是內部原因。
2.數據的比較分析
數據的趨勢獨立變化,其實很多時候,並不能說明問題。比如壹家公司利潤增長10%,我們無法判斷是好是壞。如果這家公司所在行業的其他公司普遍負增長,那就是5%。如果行業內其他公司平均增長50%,這是壹個很差的數據。
對比分析是為了給孤立的數據壹個合理的參照系,否則孤立的數據毫無意義。這裏我推薦壹個大數據技術交流圈:658558542突破技術瓶頸,提升思維能力。
壹般來說,比較的數據是數據的基本面,比如行業的情況,全站的情況。有時候在產品的叠代測試中,為了增加說服力,會人為設定比較基準。也就是A/B測試。
對比實驗的關鍵是A/B組只保留單壹變量,其他條件不變。比如測試首頁改版的效果,需要保持A/B用戶質量不變,在線時間不變,來源渠道不變。這樣才能得到更有說服力的數據。
3.數據分解分析
當我們得到壹些初步結論後,還需要進壹步分解,因為在使用壹些綜合指標的過程中,會抹去壹些關鍵的數據細節,指標本身的變化也需要分析變化的原因。這裏的細分,必須是多維度的細分。常見的拆分方法包括:
分時:不同時間的空頭數據是否有變化。
分渠道:不同來源的流量或產品是否發生了變化。
分用戶:新註冊用戶和老用戶是否有區別,高級用戶和低級用戶是否有區別。
分地區:不同地區的數據是否有變化。
構圖拆分:比如搜索由搜索詞組成,可以拆分不同的搜索詞;店鋪流量由未使用的店鋪產生,不同的店鋪可以拆分。
細分分析是壹個非常重要的手段。多問為什麽是得出結論的關鍵,而壹步步拆分就是不斷問為什麽的過程。