Part1 常用数据分析方法

漏洞转化：找到不同关键节点，在不同节点之间，计算其转化率。

综合评估中，权重分配是重点。

MECE分析法，全称 Mutually Exclusive Collectively Exhaustive。

1.1 对比分析法

同期对比。趋势对比。
8月中旬迎来一个高峰，9月中旬也迎来了一个高峰。

同期对比：锁定时间维度，对比其他维度。
趋势对比：锁定/固定观测指标，对比指标随时间变化的情况。

1.2 漏斗分析法

对流程式的、节点式的业务进行分析。

1.3 拆解分析

指标异常，进行归因分析时，需要拆解指标。

老用户的贡献，没有新用户这么多。
整体DAU指标上升，主要是由于新用户上升导致的。排查新用户大涨的原因，去沟通相关部门了解相关业务情况。运营部门是否有拉新活动。

1.4 综合分析法

Part2 如何打通数据与业务

NPS（Net Promoter Score），净推荐值，又称净促进者得分，亦可称口碑，是一种计量某个客户将会向其他人推荐某个企业或服务可能性的指数。它是最流行的顾客忠诚度分析指标，专注于顾客口碑如何影响企业成长。通过密切跟踪净推荐值，企业可以让自己更加成功。
净推荐值最早是由贝恩咨询公司客户忠诚度业务的创始人弗雷德里克·雷赫德（Frederick Reichheld）在2003哈佛大学商务回顾文章“你需要致力于增长的一个数字”的文章中提到，随后在他的书“终极疑问：驱动良性利润和真正发展”

https://baike.baidu.com/item/%E5%87%80%E6%8E%A8%E8%8D%90%E5%80%BC

越能够辅助企业完成OKR的指标，越应该是核心指标。

数据治理：去除错误、冗余的数据
ETL：数据打通，数据去重。

业务上：靓号用户和普通用户的消费能力存在差异。
数据上：对这个差异进行量化。

Part3 滴滴优享的商业逻辑

为什么要新开一个产品线？

快车/出租车：快速送达为主。
豪车：服务要求更高。

定价：优享要略高于快车，但是不能接近于专车。多付一点钱，提升服务质量。
面向人群：更偏向于女性用户？

差异化服务。

网约车，在不同城市的渗透率不一样。

花小猪，主打下沉市场。在一二线城市传播，打热度，再三四线城市跟进。
价格低，实惠，一口价。对服务质量不敏感。
重新命名的原因，改变对滴滴打车品牌的认知。

战略分析。

正确的运营引导：优享的定价策略，引导用户选择这个产品。

孙永刚的学习笔记：

加餐-6大数据分析方法

不知道大家有没有这样的感触，大学情况类似的同学，毕业几年后的发展就有很大的变化，有人升职加薪晋升高管，有人还是默默无闻，充当螺丝钉。到底是什么让原本差不多的同事，之后的发展差距越来越大呢？

很关键的一项就是项目汇报能力，其中就涉及到用数据说话，对工作中的数据进行分析，找到关键指标。

通过今天的课程，相信大家会知道数据分析的核心是处理问题！那么，解决问题的分析方法和分析思路有哪些？

基于此，我今天给大家带来【6大数据分析方法】同学们可以认真听下~

先给大家看个案例：同学A和同学B的职场发展。
她们俩都是毕业一年，同时入职，一起做短视频运营
虽然在平时的工作中可能除了业绩，看不出其它很大的差别。但是在项目汇报、年终总结这些能力上就可以看出来了
你是不是也很好奇，他们到底是怎么述职或者项目汇报的？怎么述职的？
下面是同学A的述职PPT：

她只做了这一张PPT，罗列了过去半年做的事情，5分钟就讲完了，领导听完脸一沉，开始追问：“5月份为什么粉丝量减少了？”“6月份为什么播放量上升了是做了什么动作？”
领导不断追问，A同学支支吾吾地都说不清楚，场面十分尴尬……直到B同学开始述职，气氛才开始出现好转！

B同学除了做整个上半年的数据汇总，还重点分析了4月数据下降的原因。

根据几个数据维度分析后，在内容选题和主演人设上做了重点调整，5月的数据飞速提升，不仅如此，她还总结了一套自己的抖音运营方法论
述职结束后，领导当面夸了她的数据思维，还让她把PPT模板发到群里，让大家多学习学习。

不禁感慨起来，同样是工作1年，却有如此大的差距。工作述职，表面上是老板在看你都做了啥，但实际是在看你对公司的价值。
而B同学，就是通过数据分析，很好地证明了自己的价值。
在职场中，用数据说话，是大家的共识，那么如何进行数据分析，数据分析的流程和常用方法有哪些？今天班班就带大家一起了解一下

完整的数据分析通常会遵照以下几个步骤：明确分析目标、数据收集、数据清理、数据分析、数据报告、执行与反馈。
✅1. 明确分析目标
第一步就要明确我们要解决的问题究竟是什么？

✅2. 数据收集
数据分析的数据可能来源于各种渠道：客户端自主研发埋点，客户端接入第三方数据统计平台服务器访问日志，数据库数据爬虫采集等，只要是和分析目标相关，都可以收集。

✅ 3. 数据清理
以上步骤收集的数据通常是杂乱无章的，我们需要根据目的对数据进行归类整合，去掉脏数据和无意义的数据。

✅4. 数据分析
是整个流程中最核心的步骤，基于数据清理得到的数据，根据我们的分析目标，进行计算以得到我们想要的指标，这里会用到多种数据分析方法。

✅5. 数据报告
将数据分析得出的结果进行归纳、推导和总结，形成一份清晰直观的数据分析报告，报告形式有很多，可以是文档、可以是报表、可以PPT等。

✅ 6. 执行与反馈
根据以上的数据分析结论，推进落实相应的工作。调整后需要用数据监测是否达到既定目标，如果达到了，关键因素是什么？如果没达到，问题出在哪里？将这些问题反馈给领导及相关人员。

在此老师要纠正一个误区，很多的同学想到数据分析就想到excel、sql、python等分析工具
划重点：数据分析的核心是处理问题，解决问题的分析方法和分析思路。
举个不恰当的例子，数据分析就像一个警犬，工具就像警犬的腿，而数据思维就好比警犬敏锐的嗅觉，只有掌握了分析思维才能真正的发挥它的作用和价值

了解了数据分析的流程，下面赤赤给大家介绍一下数据分析常用的六种分析方法！

1、PEST分析法

PEST，也就是政治（Politics）、经济（Economy）、社会（Society）、技术（Technology），能从各个方面把握宏观环境的现状及变化趋势，主要用户行业分析。
宏观环境又称一般环境，是指影响一切行业和企业的各种宏观力量。
对宏观环境因素作分析时，由于不同行业和企业有其自身特点和经营需要，分析的具体内容会有差异
但一般都应对政治、经济、技术、社会，这四大类影响企业的主要外部环境因素进行分析。
政治环境：政治体制、经济体制、财政政策、税收政策、产业政策、投资政策等。
社会环境：人口规模、性别比例、年龄结构、生活力式、购买习惯、城市特点等。
技术环境：折旧和报废速度、技术更新速度、技术传播速度、技术商品化速度等
经济环境：GDP 及增长率、进出口总额及增长率、利率、汇率、通货膨胀率、消费价格指数、居民可支配收入、失业率、劳动生产率等。

2、5W2H分析法

5W2H，即为什么（Why）、什么事（What）、谁（Who）、什么时候（When）、什么地方（Where）、如何做（How）、什么价格（How much），主要用于用户行为分析、业务问题专题分析、营销活动等。

该分析方法又称为七何分析法，是一个非常简单、方便又实用的工具，以用户购买行为为例：
Why：用户为什么要买？产品的吸引点在哪里？
What：产品提供的功能是什么？
Who：用户群体是什么？这个群体的特点是什么？
When：购买频次是多少？
Where：产品在哪里最受欢迎？在哪里卖出去？
How：用户怎么购买？购买方式什么？

3、SWOT分析法

SWOT分析法也叫态势分析法，S （strengths）是优势、W （weaknesses）是劣势，O （opportunities）是机会、T （threats）是威胁或风险。
SWOT分析法是用来确定企业自身的内部优势、劣势和外部的机会和威胁等，通过调查列举出来，并依照矩阵形式排列，然后用系统分析的思想，把各种因素相互匹配起来加以分析。
运用这种方法，可以对研究对象所处的情景进行全面、系统、准确的研究，从而将公司的战略与公司内部资源、外部环境有机地结合起来。

4、4P营销理论

4P即产品（Product）、价格（Price）、渠道（Place）、推广（Promotion），在营销领域，这种以市场为导向的营销组合理论，被企业应用最普遍。
可以说企业的一切营销动作都是在围绕着4P理论进行，也就是将：产品、价格、渠道、推广。通过将四者的结合、协调发展，从而提高企业的市场份额，达到最终获利的目的。

产品：从市场营销的角度来看，产品是指能够提供给市场，被入们使用和消费并满足人们某种需要的任何东西，包括有形产品、服务、人员、组织、观念或它们的组合。
价格：是指顾客购买产品时的价格，包括基本价格、折扣价格、支付期限等。影响定价的主要因素有三个:需求、成本与竞争。
渠道：是指产品从生产企业流转到用户手上全过程中所经历的各个环节。
促销：是指企业通过销售行为的改变来刺激用户消费，以短期的行为（比如让利、买一送一营销现场气氛等等)促成消费的增长，吸引其他品牌的用户或导致提前消费来促进销售的增长。广告、宣传推广、人员推销、销售促进是一个机构促销组合的四大要素。

5、逻辑树法

逻辑树又称问题树、演绎树或分解树等。它是把一个已知问题当成“主干”，然后开始考虑这个问题和哪些相关问题有关，也就是“分支”。

逻辑树能保证解决问题的过程的完整性，它能将工作细分为便于操作的任务，确定各部分的优先顺序，明确地把责任落实到个人。

逻辑树的使用必须遵循以下三个原则：
要素化：把相同的问题总结归纳成要素。
框架化：将各个要素组织成框架。遵守不重不漏的原则
关联化：框架内的各要素保持必要的相互关系，简单而不独立。

6、AARRR模型

AARRR模型是所有运营人员都要了解的一个数据模型，从整个用户生命周期入手，包括获取（Acquisition）、激活（Activition）、留存（Retention）、变现（Revenue）和传播（Refer）。

找到一个完整闭环中各个环节的关键数据指标，进行分析，分别对应生命周期的5个重要过程，即从获取用户，到提升活跃度，提升留存率，并获取收入，直至最后形成病毒式传播。进而从中不断迭代和优化，才能尽可能达成目标~