对比分析、多维度拆解、漏斗观察

新做的开屏广告有没有价值？

平台流水突然降低了10%，是什么原因？

商城的浏览-转化率一直低于2%，应该从哪里优化？

商城的哪些商品有价值，商品结构应该如何优化？.......

数据是指导互联网产品优化及运营战略方向的重要工具，一般数据使用流程为：

常用的数据分析方法包含：

用户画像分析、归因分析、路径挖掘、对比分析、多维度拆解、漏斗观察......

之前的“数据分析用户画像分析（一）”中分享了用户画像分析的基本方法，今天主要分享一下如何使用对比、多维度拆解与漏斗观察的方法对数据进行分析。

01

对比分析

“没有对比就没有伤害”，发现/分析问题最好的办法就是对比。

数据的对比是相对的，数据的涨跌的衡量与数据的基础水平有关。

比什么？（What）

比较的维度一般包括绝对值和比例值两种。绝对值是指本身就具有价值的数字，如短视频点赞量，商城销售金额，一般绝对值无法直观的反应问题的严重程度。比例值是需要在特定的环境中对比比例才具有对比价值的数字，比如流水占比（即当季流水在全年的占比），一般比例值也容易受到极端值的影响（如当初创产品数量级特别小的时候就会面临极端值）。

如何比？（How）

常见对比方法一般有两种：环比和同比。

环比，表示连续2个统计周期（比如连续两月）内的量的变化比。

环比增长率=（本期数-上期数）/上期数×100%。反映本期比上期增长了多少；

环比发展速度，一般是指报告期水平与前一时期水平之比，表明现象逐期的发展速度。

同比，一般情况下是今年第n月与去年第n月比。

同比增长率=（本期数-同期数）/|同期数|×100%。

怎么选择使用环比数据分析还是同比？

一般短期内具备连续性的数据利用环比分析，对观察更为长期的数据采用同比分析。环比分析需要根据相邻时间范围的数字对当前时间范围的指标进行设定，同比的观察周期中可能会有很多干扰因素，需要消除这些干扰。

如：

电商平台2月1日-14日的情人节活动，持续时间为14天，那么可以通过环比分析，对每一天的数据进行分析；

如需对稳定运营的即时通讯平台的2020年Q1用户流水与去年Q1的增长和趋势情况进行比较，那么需要使用同比分析。

和谁比？（Who）

根据需求的不同可以与自己比较也可以与行业比较。

和自己比一般从时间维度、业务线维度、过往经验等维度进行比较，与行业比，可以从与行业竞品从涨跌幅度进行对比。

02

多维度拆解

是什么？（What）

多维度拆解，即通过不同的视角和维度去拆解和观察同一个数据指标。

比如你喜欢易烊千玺，为什么喜欢？可以分维度描述：

这就是分维度拆解，它对于打开我们的视野、扩展分析方法有很大的帮助。

怎么用？（How）

那么当把他运用到互联网产品上来，比如对APP用户充值金额的分析。可以通过以“男性和女性”为维度对数据进行拆解；也可以通过以“用户所在地区”为维度对数据进行拆解；还可以通过“充值渠道”的维度进行拆解；或者通过“充值时段”对数据进行拆解......

何时适用（When）：

多维度拆解适用场景：

1、分析单一指标构成；

2、针对流程进行拆解分析；

3、还原行为发生时的场景。

03

漏斗观察

是什么？（What）

漏斗观察是指一连串向后影响的行为，简单地说将抽象商品具化成流程，分析每一步的转化与流失。

比如电商平台的用户从进入宝贝页面到支付成功，一般要经过以下流程：

我们需要将按照流程操作的用户进行各个转化层级的监控，寻找每个层级可优化的点，对美元按照流程操作的用户会知天命的转化路径，找到可提升用户体验的切入口；当问题出现时，将问题定位到具体的层级，解决问题并寻求优化的空间。

如何做？（How）

根据业务流程构建业务漏斗模型。

通过产品每一个设计步骤的数据反馈得出产品的运行情况

通过各个阶段的分析改善产品设计，提升产品的用户体验

如需更加精细化的拆分，需要从宏观视角将复杂的时间分析拆分成独立的归因分析。

何时用？（When）

当产品业务逻辑与业务目标明确时，可以使用漏斗分析，如果业务逻辑不明确，跳转关系复杂，则需要采用其他有效的办法。

小结

产品数据分析是互联网产品寻求产品优化及提出运营策略的常用办法，本文分享了互联网产品数据分析的几种常见方法：对比分析、多维度拆解、漏斗观察。

对比分析包含环比（连续短期）和同比（长期）；多维度拆解即从不同的视角和维度去拆解和观察同一个数据指标，一般用于分析单一指标构成、拆解流程、还原场景；漏斗观察是指对业务流程明确的产品构建漏斗模型，寻求优化空间。