一、对比思维

1. 对比分析的定义

利用相对性找到数据的特点和发展趋势，以及找出影响这种差异的原因、优化差异的方法。

通常把两个相互联系的指标数据进行比较，从数量上展示和说明研究对象规模的大小，水平的高低，速度的快慢，以及各种关系是否协调
image.png

2. 对比的关键：维度和指标

  • 指标强调的是共识性

没有共识就没有意义，让其他人都认同的“共识”，避免出现自我型对比，保持中立客观。
image.png

  • 维度强调的是相对性

参考系的建立需要有对比对象，相同的数据放在不同的参考系下，其结果可能大相径庭。

比如下图中，如果以“时间”为参考系，那么公司从去年到今年的发展是有上升趋势的；但是如果加入行业发展的横向对比，会发现行业的上涨速度更快，公司反而没有获得行业上涨的红利，而导致上涨缓慢。
image.png

3. 怎么进行对比

  • 第一步：确定维度，拆分影响因素形成指标，排除无关因素

以APP拉新为例 4.1 三大基础思维 - 图4基于指标，拉数据，绘图表。
以下为渠道对比，A、B、C代表3个渠道
image.png

  • 从条形图来看：A的点击量最高，B的下载量最高，C每个指标都不出众。
  • 从下载率（下载/点击）和注册率（注册/下载）来看：A的注册率高但下载率流失严重，B的下载率高但注册流失严重，C的下载率和注册率都相对更稳定。

提出假设，引入新的维度：是不是因为A花更多钱做投放，而C投放量少，如果C加大投放量，会不会综合的拉新效果更好？

  • 第二步：根据第一步选择的维度，进行多维度对比image.png

    • 时间维度：同时期对比或者上一时期的对比，包括环比、同比
    • 空间维度：比如不同城市的对比、不同行业的对比、不同国家的对比
    • 计划维度：比如与计划值、平均值、中间值的对比，多为差异对比

  • 第三步：保持一致性

    • 度量的一致性
    • 对象的一致性
    • 指标的一致性
    • 数据来源的一致性

image.png

4. 对比的分类

  • 纵向对比：跟自己对比，同比、环比

image.png

  • 横向对比：跟别人相比

不同部门、不同公司、不同地点、不同城市、不同区域、不同国家、不同领域……

  • 相对对比：对比率
  1. 结构相对数：将同一总体内的部分数值与全部数值对比求得比重，用以说明事物的性质、结构或质量，比如：数值占比
  2. 比例相对数：将同一总体内不同部分的数值对比，表明总体内各部分的比例关系，比如：男女比例
  3. 比较相对数：将同一时期两个性质相同的指标数值对比，说明同类现象在不同空间条件下的数量对比关系
  4. 强度相对数：将两个性质不同但有一定联系的总量指标对比，用以说明现象的强度、密度和普遍程度
  5. 计划完成程度相对数：是某一时期实际完成数与计划数对比，用以说明计划完成程度
  6. 动态相对数：将同一现象在不同时期的指标数值对比，用以说明发展方向和变化的速度

二、细分思维

1.什么是细分

image.png
如果只对比，不细分，不能找到问题的根本原因。
image.png




想要进行多维数据的提取，需要按
照不同的维度和角度进行单个数据
的划分


这也就是我们常说的钻取、上卷、
切片、切块、旋转		 image.png

image.png

2.细分分析的方法

- 拆分法

地区：不同地点、不同省份、不同国家等
时间：不同时间、时间段拆分，目的是发现数据发展趋势
渠道：不同来源进行拆分，为了发现不同渠道的流量、产品差异性;
用户：用户细分比较常见，目的是寻找有价值、有潜力、购买力强的客户;
组成：比如搜索由搜索词组成，可以拆分不同搜索词；店铺流量由不用店铺产生，可以分拆不同的店铺

- 交叉法





利用了不同维度的交叉，通过横向维度和纵向维度的组合，类似于OLAP中的数据立方体，从而实现数据的扩展。		 image.png

3. 细分的模型

- 转化漏斗模型（拆分法）



最常见的是把最终的转化设置为某种目的的实现，最典型的就是完成交易。

漏斗的每一层，都有一定的容量：漏斗越往下，容量越小；而层与层之间的比例，就是转化率。

要提高最终的收入，就是把每一层的容量都扩大，或者把下钻的转化率给提高。		 image.png

- RFM模型（交叉法）

1）人群划分
基础属性：如性别、年龄、地域;
兴趣属性：如媒体偏好、交易行为;
自定义属性：基于行业的特征定义的属性


2）明确指标
通过客户名称、消费时间、消费金额来处理出上次交易间隔R、交易频率F、交易金额M三个原始字段		 image.png
3）切分指标
等宽：如平均值;
等频：如频率;
等类：如聚类;

4）用户分类
将客户细分为八个类别，以便于我们针对客户类型提供不同的服务和对应的措施		 image.png

三、趋势思维

1. 什么是趋势思维

一般来说是按照时间的维度，对某一数据或者不同数据变化趋势进行差异化研究，以及对数据的下一步变化进行预测。

两个核心点：

  • 明确数据变化
  • 对趋势做出解释

image.png

2.趋势分析的分类

- 按照分析目的进行分类

|


- 预测分析:
假如你想预测一下某个产品能不能继续扩大市场，也就是预测分析

- 现状分析:
想评判一下某个产品卖得好不好，就属于现状分析 | image.png | | —- | :—-: |

- 按照分析方向进行分类

|
- 横向分析:
对多个数据进行同一纬度的趋势对比，就属于横向对比 | image.png | | —- | :—-: | |
- 纵向分析:
趋势图上只有一条线，也就是对单个数据进行自身趋势对比，就属于纵向分析 | image.png |

3. 怎么进行趋势分析

- 单一数据的纵向趋势分析

|
- 第一步，找拐点。
发生异常的点在哪里?有什么特征?
- 第二步，分析原因。
为什么企业年增长率从2015年开始的不断上升，突然在2017年急剧下降呢?
- 第三步，有效预测。
如何进行数据预测? | image.png | | —- | :—-: | | 找拐点：上图案例中，拐点出现在2017年，2017年的销售增长率见顶，次年出现下滑。
分析原因：2017年的营销总额投放下降较多，导致市场占有率下降，尽管2018年又加大投放，但2018年的销售增长率仍无法恢复到上一年的状态。
有效预测：可以进行回归分析，增加趋势线 | |

- 多个数据的横向趋势分析

|
- 第一步，找差异点。
什么数据是独有的、其他维度没有的?

- 第二步，拆分指标


- 第三步，分析趋势
| image.png | | —- | :—-: |

image.png

总结

image.png