DAY1：
?DAY2：
發(fā)現(xiàn)機(jī)會(huì)，提出解決方案
數(shù)據(jù)隱含的規(guī)律和趨勢(shì)有哪些：
1.事件發(fā)生結(jié)果的概率是什么？
2.哪些事更重要？
3.事件未來的發(fā)展方向是什么？
通過數(shù)據(jù)隱含的規(guī)律和趨勢(shì)能幫助決策：
1.做大概率會(huì)發(fā)生的事
2.優(yōu)先做重要的事
3.順應(yīng)趨勢(shì)做事，提前布局
發(fā)現(xiàn)機(jī)會(huì)提出解決方案的目的是什么？
以業(yè)務(wù)問題為方向，分析事件發(fā)生的規(guī)律（常用方法：分布分析），同時(shí)結(jié)合業(yè)務(wù)邏輯，形成能夠解決業(yè)務(wù)問題的有效方案。
什么是分布分析：對(duì)數(shù)據(jù)的分布情況進(jìn)行描述，從而對(duì)事件的發(fā)生規(guī)律有準(zhǔn)確的認(rèn)識(shí)。
分布分析按數(shù)據(jù)類型分為3種：
定量數(shù)據(jù)：事件發(fā)生的一般結(jié)果是什么（中心位置）？事件結(jié)果的變化情況（分散程度）？事件各個(gè)結(jié)果的發(fā)生概率是什么？（圖形特征）
定性數(shù)據(jù)：哪些對(duì)象需要重點(diǎn)關(guān)注？
定時(shí)數(shù)據(jù)：事件發(fā)生的趨勢(shì)是什么？事件的發(fā)生是否存在周期性？
定量數(shù)據(jù)的分布分析：
目的：分析事件發(fā)生的一般結(jié)果，結(jié)果的變化情況以及各類結(jié)果出現(xiàn)的概率。
分析方法：分散程度（方差、標(biāo)準(zhǔn)差、極差、變異系數(shù)（標(biāo)準(zhǔn)差、平均值））、中心位置（均值、中位數(shù)、眾數(shù)、四分位數(shù)）、圖形特征（看是否符合概率分布）。
分散程度分析步驟舉例：
1、選擇需要分析的定量數(shù)據(jù)
2、計(jì)算樣本的方差
3、根據(jù)樣本方差結(jié)果選擇處理方式（EXCEL中用var.P()函數(shù)計(jì)算）
同一對(duì)象不同時(shí)間的波動(dòng)：方差大信息量大，受外界因素影響較大，可通過特征的貢獻(xiàn)度分析來尋找影響波動(dòng)的原因，查看是否存在周期性。方差小信息量小，可以通過時(shí)間序列等方法進(jìn)行預(yù)測(cè)。
同類對(duì)象相同時(shí)間的波動(dòng)：方差大信息量大，各個(gè)對(duì)象的差異較大，可尋找差異大的原因，差異值中一般蘊(yùn)藏機(jī)會(huì)。方差小信息量小，各對(duì)象間的差異不大，對(duì)象結(jié)果的影響不大。
通過檢驗(yàn)數(shù)據(jù)的分布類型，可以預(yù)測(cè)事件發(fā)生概率。
定性數(shù)據(jù)的分布分析
目的：尋找不同類對(duì)象間的區(qū)別，或者對(duì)不同類別的對(duì)象做不同的處理，確定需要重點(diǎn)關(guān)注的對(duì)象。
定性數(shù)據(jù)發(fā)布分析的方向：
1.占比分析（以某一類定性特征作為分類標(biāo)準(zhǔn)看定量數(shù)據(jù)的分布情況）
2.累計(jì)分布分析（以某一類定性特征作為統(tǒng)計(jì)對(duì)象看定量數(shù)據(jù)的累計(jì)分布情況）
占比分析步驟：
1、確定需要進(jìn)行分布分析的定性屬性和需要進(jìn)行計(jì)算的定量屬性
2、以定性屬性劃分的類別作為分析對(duì)象，對(duì)相同對(duì)象的數(shù)據(jù)進(jìn)行匯總計(jì)算
3、計(jì)算各分類對(duì)象匯總結(jié)果的占比情況。
累計(jì)分布分析步驟：
1、確定需要進(jìn)行分布分析的定性屬性和需要進(jìn)行計(jì)算的定量屬性；
2、按照定量數(shù)據(jù)從大到小進(jìn)行排序，并計(jì)算定量數(shù)據(jù)占總和的比值；
3、計(jì)算累計(jì)占比：第N行的累計(jì)占比=前N行的和/總和
4、畫出累計(jì)分布曲線（找出20%的產(chǎn)品但是產(chǎn)生80%收益的情況）
定時(shí)數(shù)據(jù)的分布分析：
目的：尋找事件發(fā)生結(jié)果隨時(shí)間變化的規(guī)律，從而對(duì)未來的結(jié)果形成預(yù)測(cè)。
定時(shí)數(shù)據(jù)分布分析的方向：
周期性分析（事件的發(fā)生是否存在周期性）
時(shí)間序列分析（事件的發(fā)生趨勢(shì)是怎么樣的）
怎么做周期性分析？--繪圖法
怎么做事件序列分析？--趨勢(shì)擬合、平滑法（直接通過EXCEL的繪圖方式）
DAY3:
1、邏輯樹分析法：
邏輯樹又稱問題樹、演繹樹、分解樹等。
邏輯樹是將問題的所有子問題分層羅列，從最高層開始逐步向下擴(kuò)展的過程。
優(yōu)勢(shì)：將繁雜的數(shù)據(jù)工作細(xì)分為多個(gè)關(guān)系密切的部分，不斷地分解問題；在紛繁復(fù)雜的現(xiàn)象中找出關(guān)鍵點(diǎn)，推動(dòng)問題的解決。
注意點(diǎn)：需要強(qiáng)邏輯性，上下間的關(guān)系是否混亂，確保每一步都可被分析。
2、多維度拆解分析法--從多角度分析問題
多維度拆解法就是維度+拆解，從多個(gè)角度思考問題的過程。
可以從哪些維度來拆解問題？
從指標(biāo)構(gòu)成拆解：用來記錄關(guān)鍵流程的，衡量目標(biāo)的單位或方法，如DAU、留存率、轉(zhuǎn)化率等。（指標(biāo)由哪幾部分構(gòu)成）
從業(yè)務(wù)流程拆解：觀察指標(biāo)的角度，如時(shí)間、來源渠道、地理位置、產(chǎn)品版本維度等。（業(yè)務(wù)流程是什么）
例如：如何制定明年銷售KPI？
第一步：指標(biāo)拆解
第二步：對(duì)指標(biāo)進(jìn)行多維細(xì)分
第三步：根據(jù)歷史業(yè)務(wù)發(fā)展情況，計(jì)算不同用戶維度、不同商品維度下的商品營收
第四步：求和不同用戶維度、不同商品維度下的商品營收，即為商品總營收。
優(yōu)勢(shì)：面面俱到，做到不以偏概全；適合分工快速有效推進(jìn)；有效鎖定問題節(jié)點(diǎn)。
注意點(diǎn)：盡可能在條件允許范圍內(nèi)考慮周全；
提前評(píng)估時(shí)間和人力，避免出現(xiàn)延期等狀況。
應(yīng)用場(chǎng)景：
分析某牌子店鋪廣告推廣效果如何
A產(chǎn)品與B產(chǎn)品相比有什么優(yōu)勢(shì)
分析短視頻低齡用戶留存率較差
3、對(duì)比分析法--通過對(duì)比分析問題的原因
什么是對(duì)比分析：與其他類似的商品進(jìn)行比較。
需要明確比較對(duì)象（和誰比），比較內(nèi)容（比什么），如何比，比較結(jié)果。
在日常的數(shù)據(jù)分析中，一般選擇：
1、比較對(duì)象
和自己比
和行業(yè)比
2、比較內(nèi)容
數(shù)據(jù)整體大小、數(shù)據(jù)波動(dòng)程度、趨勢(shì)變化
3、如何比
數(shù)據(jù)整體大小
數(shù)據(jù)整體的波動(dòng)
趨勢(shì)變化
對(duì)比分析法的定義：
對(duì)比分析法指將兩個(gè)或兩個(gè)以上的數(shù)據(jù)進(jìn)行比較，分析他們的差異，從而揭示這些數(shù)據(jù)所代表的事物發(fā)展變化情況和規(guī)律性。
對(duì)比分析法的分類：
靜態(tài)比較（同一時(shí)期，不同對(duì)象的比較）
動(dòng)態(tài)比較（同一對(duì)象，不同時(shí)期的比較）
對(duì)比分析法實(shí)踐應(yīng)用：
與目標(biāo)對(duì)比
與不同時(shí)期對(duì)比
與同級(jí)部門、單位、地區(qū)對(duì)比
行業(yè)內(nèi)對(duì)比
與活動(dòng)效果比
優(yōu)勢(shì)：
具有至關(guān)可比性，10%提升到底好不好，50%留存到底好不好。
能找到直接差距，便于做深入分析研究。
注意點(diǎn)：
指標(biāo)的口徑范圍、計(jì)算方法、計(jì)量單位必須一致，即要用同一種單位或者標(biāo)準(zhǔn)去衡量。
對(duì)比的對(duì)象要有可比性，對(duì)比的指標(biāo)類型必須一致。
應(yīng)用場(chǎng)景：
分析兩種營銷活動(dòng)哪種激勵(lì)效果更好
分析APP改版前后對(duì)用戶留存的影響。
分析新用戶在不同渠道的支付轉(zhuǎn)化率
DAY4:
4、群組分析--用戶留存及流失分析
群組分析也叫同期群分析，也就是對(duì)數(shù)據(jù)分組后對(duì)比。（橫向分組同一時(shí)期進(jìn)來的用戶數(shù)，比較每月的留存率；縱向分組：不同時(shí)期進(jìn)入的用戶某月的留存率）
優(yōu)勢(shì)：
細(xì)分用戶，破開迷霧（同期群的概念）
橫向比較，量化用戶留存率的變化趨勢(shì)
縱向比較，量化改進(jìn)效果
注意點(diǎn)：
對(duì)于有重大異常的群組，需要使用其他方法進(jìn)行深挖（邏輯樹、對(duì)比分析等）
對(duì)如何界定異常有合理的判定（業(yè)務(wù)積累，數(shù)學(xué)判定）
應(yīng)用場(chǎng)景：
分析APP改版后用戶留存情況
分析產(chǎn)品上線后用戶充值的情況（每日新進(jìn)+付費(fèi)比例）
分析某銀行近期整體房貸還款逾期嚴(yán)重問題（新老用戶+逾期比例）
5、RFM分析
RFM分析三大流程：
選取正確的指標(biāo)（R、F、M分別對(duì)應(yīng)什么）
選取合適的評(píng)分方式（數(shù)據(jù)百分比或數(shù)值進(jìn)行評(píng)價(jià)，例如每20%為1檔）
選取適當(dāng)?shù)姆纸M數(shù)量（RFM值相同的分在一組）
優(yōu)勢(shì)：
有效控制成本
幫助了解客戶的特性
易懂簡單好操作
注意點(diǎn)：
結(jié)合業(yè)務(wù)實(shí)際情況對(duì)對(duì)用戶進(jìn)行打分，可能形成截然不同的結(jié)果
需要定期刷新結(jié)果，不可長期反復(fù)使用
應(yīng)用場(chǎng)景：
廣告轉(zhuǎn)化率
6、AARRR模型分析法—用戶行為分析
為產(chǎn)品運(yùn)營制定決策，實(shí)現(xiàn)用戶增長。
對(duì)應(yīng)產(chǎn)品運(yùn)營5個(gè)重要環(huán)節(jié)：獲取用戶—激活用戶—提高留存—增加收入—推薦
AARRR模型類似漏斗形
通過產(chǎn)品生命周期的用戶迭代思維找到目標(biāo)用戶
獲取用戶：曝光率、下載量、安裝量、DNU、用戶獲取成本
激發(fā)活躍：激活量、DAU/MAU、DNAD
提高留存：次日留存量/日留存量/14日留存率（新進(jìn)用戶的留存）
增加收入：成交量、ARPU/ARPPU、付費(fèi)率、復(fù)購率
推薦：轉(zhuǎn)發(fā)率、轉(zhuǎn)化率
K因子的計(jì)算公式不算復(fù)雜，K = (每個(gè)用戶向他的朋友們發(fā)出的邀請(qǐng)的數(shù)量) * (接收到邀請(qǐng)的人轉(zhuǎn)化為新用戶的轉(zhuǎn)化率)。假設(shè)平均每個(gè)用戶會(huì)向20個(gè)朋友發(fā)出邀請(qǐng)，而平均的轉(zhuǎn)化率為10%的話，K =20*10%=2。這個(gè)結(jié)果還算是不錯(cuò)的效果——當(dāng)K>1時(shí)，用戶群就會(huì)象滾雪球一樣增大。如果K<1的話，那么用戶群到某個(gè)規(guī)模時(shí)就會(huì)停止通過自傳播增長。
優(yōu)勢(shì)：事無巨細(xì)，覆蓋業(yè)務(wù)整體場(chǎng)景
幫助業(yè)務(wù)會(huì)用戶有清晰認(rèn)知，并知曉當(dāng)前用戶存在的隱患
注意點(diǎn)：
體系較為龐大，需清洗每一步的關(guān)注點(diǎn)
發(fā)現(xiàn)問題需及早暴露并深入分析
應(yīng)用場(chǎng)景：
分析產(chǎn)品用戶生命周期情況
DAY5：
7、漏斗分析--用戶轉(zhuǎn)化分析
AARRR是漏斗模型中的一種。
漏斗分析是一套流程式數(shù)據(jù)分析，它能科學(xué)反映用戶行為狀態(tài)以及從起點(diǎn)到終點(diǎn)各階段用戶轉(zhuǎn)化率情況的重要模型。
漏斗分析的特征：
1.分多層次多環(huán)節(jié)
2.各環(huán)節(jié)是有轉(zhuǎn)化率（或者流失）效應(yīng)的
3.環(huán)節(jié)之間有先后順序
漏斗分析的計(jì)算邏輯：
1.明確時(shí)間范圍等篩選條件
2.確定漏斗的劃分階段及條件（有業(yè)務(wù)邏輯支撐的）
3.關(guān)于漏斗的類型
4.兩個(gè)相鄰階段之間的邏輯
5.漏斗的統(tǒng)計(jì)
漏斗模型涉及從用戶進(jìn)入的起始到結(jié)束的每個(gè)環(huán)節(jié)，每個(gè)環(huán)節(jié)都有轉(zhuǎn)化和流失。
優(yōu)勢(shì)：
通過交叉對(duì)比，找出數(shù)據(jù)的差異，定位異常數(shù)據(jù)
通過細(xì)致拆分，把復(fù)雜的、多因子的事件分析拆分為獨(dú)立的、單因子的歸因分析
注意點(diǎn)：
需要避免流程上前后順序無關(guān)聯(lián)或者順序顛倒
確保每一步效果數(shù)據(jù)均可被計(jì)算
應(yīng)用場(chǎng)景：
用戶注冊(cè)轉(zhuǎn)化下降分析
分析某電商平臺(tái)公司用戶支付率低的原因
某APP新功能使用率低的原因分析
8、相關(guān)性分析--了解事物內(nèi)在聯(lián)系
兩個(gè)變量或多個(gè)變量之間相關(guān)關(guān)系的分析叫相關(guān)性分析。
通常用來分析兩組或多組數(shù)據(jù)的變化趨勢(shì)是否一致。
比如身高和體重是否存在關(guān)系。
優(yōu)勢(shì)：
先驗(yàn)的事物相關(guān)性輸入，兩者是否有關(guān)聯(lián)
統(tǒng)計(jì)意義上較為嚴(yán)謹(jǐn)
注意點(diǎn)：
避免得出結(jié)果，A導(dǎo)致B或者B導(dǎo)致A
沒有線性相關(guān)不代表真的沒有相關(guān)性
應(yīng)用場(chǎng)景：
分析突然降溫和長襪銷量增加是否有關(guān)系
分析客戶投訴率增加是否和新功能上線有關(guān)
分析樓市上漲是否和股市上漲有關(guān)
