1.象限法

適用于對分析對象的劃分。

確定指標，根據指標的高低，組合出不同類別。

2個指標，每個指標有高低之分，可得出4個類別。可視化后，就是二維坐標，每個類別分別落到四象限的一個象限里。

比如：

App根據使用頻度和垂直度，可劃分為4種類型。

高頻綜合，高頻垂直，低頻綜合，低頻垂直。

比如：

用價值度和流失度來劃分用戶類別。

可組合出4種類型用戶。

針對每種類型，實施不同的運營策略。

3個指標，則得出8個類別。可視化后，就是三維坐標，劃分出8個象限。

比如：

RFM模型。

R：最近一次消費

M：消費金額

F：消費頻率

組合出8種類別，每種類別對應一種用戶，對每種類別用戶實施不同運營策略。

象限法是策略驅動思維，對分析對象進行劃分后，每個類別的對象實施不同策略。

劃分依據，可根據中位數，平均數，或者經驗（直接給出具體數值）。

適用于：戰略分析，產品分析，市場分析，客戶管理，用戶管理，商品管理等。

應用范圍的廣泛，說明可用于劃分的指標的多樣性。本質還是根據不同指標的高低組合來分類對象。

2.多維法

象限法的進階。

因為象限法只有2和3兩種維度，但實際問題分析里，可能包括超過3種維度。

比如：

用戶統計維度：性別，年齡，出生地等

用戶行為維度：注冊用戶，用戶偏好，用戶興趣，用戶流失等

消費維度：消費金額，消費頻率，消費水平等

商品維度：商品品類，商品品牌，商品屬性等

多維法是精細驅動思維。

只要數據齊全且豐富，都可以應用。有點像建立Excel表格分析。每一行，都有多個列，每一列就是一個維度。

注意維度過多可能導致更多時間消耗。

對不同維度交叉分析時，注意辛普森悖論。

辛普森悖論：某個條件下兩組數據，分別討論時得出某種性質，合并討論時，卻得出相反結論。

為什么會出現辛普森悖論？

如何規避辛普森悖論？

3.假設法

在沒有數據可參考的時候，可利用假設法來進行分析。

比如：

營銷活動后，銷量整體比上周上升20%，但因為統計失誤，沒有銷量明細數據。如何確定活動是否有效？即，驗證銷量的提升是否是營銷活動的結果。

分析：

假設活動是有效的。

銷售有不同方式，可能是搜索，可能是活動等。但都會產生評價。

如果活動促進用戶購買，對應的商品評論也可能提升。

統計平時的用戶購買與評論比率；根據新增評論數，可獲得新增購買人數；——增長率和20%比較

統計評論中出現的活動字眼，根據購買人數，計算活動轉化率。

商品提價后，收入是否產生變化？

分析：

假設提價后，銷量下跌。那么下跌多少？

銷量=流量*轉化率

假設流量不變，商品價格影響轉化率。現在確定轉化率的波動。

假設各個類型用戶對價格敏感度不同，將用戶根據RFM模型劃分。

每個類別的用戶，得出歷史轉化率；根據不同類別用戶對價格敏感度，依靠經驗，確定價格上升后轉化率變化值，用+10%或者-10%表示。

計算不同類別用戶數量*變化的轉化率，最后相加得到整體的銷量變化。

假設法，本質是一種啟發思考驅動思維。

更多是一種開拓思路的方式，根據假設，驗證，判斷，來得出結果。

在缺少數據的情況下，根據假設進行推斷，往往有奇效。

假設法，不僅僅是針對前提，也可以假設概率，比例。假設什么，有賴于對業務的熟悉，以及合理的邏輯推斷。

4.指數法

數據太多太雜，如何聚焦數據，有效使用數據？

將數據加工成指標。用指標聚焦數據，衡量業務效果。

加工方法：有線性加權，反比例，log。

線性加權，提升權重；反比例轉化為小數，之后可再加權轉化為某個范圍數值；log是縮小數值范圍。

指數法是目標驅動思維，能指導業務。

要注意的是，指數法沒有統一的標準，很多指標依賴于經驗的加工，一旦設立指數，不宜頻繁變動。

比如：

知乎某個領域的活躍度計算。

活躍度=（發布內容數+3*log（收到贊同數）+6*收到專業徽章數+10*被編輯推薦次數）* 10

log是以2為底。

5.二八法

二八法則：帕累托提出的，任何一組事物中，只有20%為重點，其余80%為次要點。

比如：

社會上20%的財富，掌握了世界上80%的財富。

即財富分布的不平均。

在數據里，20%的變量將直接產生80%的效果，數據分析更應該圍繞20%做文章。

持續關注topN的數據，是一個好習慣。不僅僅是數據分析，在很多行業都應關注頭部數據。

這給我們什么啟發？

雖然指標很多，但往往某些指標更有價值。

對指標，要確定關鍵指標，并關注關鍵指標。

要注意的是，數據分析也不能放棄全局，不然容易使思路變狹窄。

6.對比法

好的數據指標，一定是比率或比例；好的數據分析，一定會用到對比。

單純的數據量，不能僅僅依靠直觀感受，直接論斷效果好壞，價值高低。

一線城市月入1w和三線城市月入1w是兩種概念。還要考慮城市人均消費，每月存儲。

身高上，女生的170和男生的170完全不是一個概念。應該和地區平均身高比較。

孤數不證，沒有比較就沒有結論。

節日大促，女生消費占比從60%提高到70%。能證明女生節日愛消費嗎？

可能存在這種情況，節日大促，整體的消費額是降低的。

比如消費額從原來的60/100w，變成56/80w。實際絕對消費額度降低了。

女生消費占比提高，可能是男生跑去競爭對手那了。

對比法，都有哪些維度的對比？

競爭對手對比，類別對比，特征和屬性對比，時間同比環比，轉化對比，前后變化對比等。

同比與環比

環比：是連續2個單位周期內的量的變化比。

同比：是一個單位周期內和另一個更大周期的同一個段周期內的變化比。

環比只有一個，同比則因參照量（另一個更大周期）不同而不同，有多個。

例如我今天（12.25日，星期日）步數是1000步，昨日800步，則環比為 1000/800=1.25；

同比有多個，例如上周日為700步，上月25日900步，則上周同比為1000/700，上月同比為1000/900。

有人遇到上月同比和上周同比時，把上周同比當成環比來理解了。

記住一個重點，環比是連續（無任何時間間隔）周期內變化。

具體例子：

同比：2010-12/2009-12；year over year，年比較，比去年增長；同一位置的比值。

環比：2010-12/2010-11；month over month，月比較，比上月增長；一環接一環。