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
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。
- 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。
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
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
-
- 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
-
- 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
4. 对比的分类
- 纵向对比：跟自己对比，同比、环比
- 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
- 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
- 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
- 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
- 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
- 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
- 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
如果只对比，不细分，不能找到问题的根本原因。
|
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 |
|
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。 |
|
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。 |
|
– 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 |
|
|
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 |
|
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
2.趋势分析的分类
– 按照分析目的进行分类
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
想评判一下某个产品卖得好不好，就属于现状分析 |
|
– 按照分析方向进行分类
对多个数据进行同一纬度的趋势对比，就属于横向对比 |
|
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 |
|
3. 怎么进行趋势分析
– 单一数据的纵向趋势分析
发生异常的点在哪里?有什么特征?
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?
如何进行数据预测? |
|
|
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
什么数据是独有的、其他维度没有的?
|
|
总结
去年今日运营文章
- 2023: 科学化运营思维工具系列第六篇（数据运营篇）(0)
- 2023: 抖音直播“低价引流”又有新规？！这类行为可能会被降权限流？！(0)
- 2023: 提醒软件有什么作用和好处？(0)
- 2023: 椰树猛男直播又上热搜，场观百万销售额却出人意料……(0)
- 2023: 直播间与2位优秀创作者分享经历(0)
本文转载于网络，本文观点不代表爱运营立场，转载请联系原出处。如内容、图片有任何版权问题，请联系爱运营处理。
