編輯導(dǎo)語：數(shù)據(jù)分析是每一位產(chǎn)品經(jīng)理必備技能，如果你想掌握一些好用又簡易的數(shù)據(jù)分析方法，那么，我推薦你看這篇文章，本文作者據(jù)此總結(jié)了許多類型的分析方法，既簡單又好用，感興趣的朋友來一起學(xué)習(xí)吧。

前面《數(shù)據(jù)分析之前知道這 7 件事，少花 80% 時間》講了在數(shù)據(jù)分析之前需要知道的事，在進(jìn)入數(shù)據(jù)分析階段，筆者總結(jié)整理了一些好用易上手的分析方法，讓你事半功倍。以下，Enjoy~

一、數(shù)據(jù)分析的金字塔模型

數(shù)據(jù)分析從難易程度區(qū)分大致可以劃分為 5 個層級，覆蓋了數(shù)據(jù)整理、統(tǒng)計、機(jī)器學(xué)習(xí)的過程，數(shù)據(jù)分析后的決策環(huán)節(jié)不在本次討論的范圍。

5 個層級分別包括了：量化現(xiàn)況、量化變數(shù)之間的相關(guān)性、量化變數(shù)之間的因果關(guān)系、預(yù)測未來和求最佳解。

Q1：SaaS銷售人員拜訪新客戶次數(shù)的走勢如何？

比如層級 1，需要解的問題是量化現(xiàn)況。可以使用“敘述統(tǒng)計”、“數(shù)據(jù)可視化”等方法，把數(shù)據(jù)通過圖表的方式表現(xiàn)出來，從中觀察圖表的數(shù)量、頻次、波動、分布等等，這個層級主要是依賴可視化后的觀察得以實現(xiàn)。

Q2：SaaS銷售人員拜訪新客戶的次數(shù)，跟營業(yè)額有相關(guān)嗎？

Q3：市場部增加廣告投放量，就能得到更多訂單嗎？

像層級 2、3 中探索數(shù)據(jù)的相關(guān)和因果關(guān)系，是需要藉由數(shù)據(jù)觀察后，再進(jìn)行二次推論，屬于數(shù)據(jù)挖掘。

Q4：SaaS產(chǎn)品經(jīng)理追蹤哪些數(shù)據(jù)，才能知道用戶下個月會不會取消訂閱？

Q5：CEO該如何分配員工開發(fā)新客戶，才能讓營收最大化？

而層級 4、5 則是希望通過已有數(shù)據(jù)的樣本，去預(yù)估未來數(shù)據(jù)的可能性/概率、最佳解或近似解，屬于數(shù)據(jù)探索。

對于不同層級，需要面對的問題也不一樣，可以層層遞進(jìn)，由易到難，逐一選擇數(shù)據(jù)分析需要解的問題。在進(jìn)入數(shù)據(jù)分析階段，具備數(shù)據(jù)分析的層級結(jié)構(gòu)認(rèn)知尤為重要，這決定了你能夠在對的時機(jī)做對的事情。

二、7 種常見數(shù)據(jù)分析方法

2.1 總量分析

用于描述某個母群（population，指你想了解的集合體，可能是顧客或產(chǎn)品）或某個市場區(qū)隔，或者比較兩個市場區(qū)隔的差異，是最常用、最簡單的分析方法。

Q：哪些人會在酒莊辦婚禮呢？

查閱過往 3 年、300 位顧客的預(yù)約記錄→分析性別、年齡、戶籍地址→ 85% 女性、平均年齡 33 歲、60% 是當(dāng)?shù)厝恕绾吾槍@群人溝通、拓展業(yè)務(wù)？

2.2 相關(guān)分析

觀察 2 件或多件事情間的關(guān)系，期望能用一個因素解釋或驅(qū)動另一個因素。

Q：為什么推出某個功能后，轉(zhuǎn)化率會下降？

• 假設(shè) 1：轉(zhuǎn)化率跟瀏覽器有關(guān)。
• 假設(shè) 2：轉(zhuǎn)化率跟有無網(wǎng)絡(luò)信標(biāo)（web bug）有關(guān)。

結(jié)論：

• Chrome 瀏覽器如果有網(wǎng)絡(luò)信標(biāo)，會造成轉(zhuǎn)化率下降 13%。
• Chrome 瀏覽器造成轉(zhuǎn)化率下降 20%。
• 60% 的轉(zhuǎn)化率下降仍然無法解釋。

注：網(wǎng)絡(luò)信標(biāo)（web bug）是一個放在網(wǎng)頁或電子郵件上的文件對象，用于監(jiān)測用戶的行為。

2.3 趨勢分析

分析一段時期內(nèi)的趨勢，常用于檢視一段時間內(nèi)的銷售績效或營業(yè)成長率，目標(biāo)是找出中斷的節(jié)點，并指出那段時期內(nèi)受影響的原因。

Q：營收增長，但成長率卻下降，原因出在哪？

步驟 1，觀察一段時間內(nèi)的趨勢。

步驟 2，加入各產(chǎn)品、各渠道的營收和成長率。

觀察結(jié)果：S 成長率不斷下降、M 的站外成長率卻在上升。

步驟 3，量化影響。

觀察結(jié)果：S 占營收成長率下降的 84%，必須集中心力采取行動。

2.4 規(guī)模估計

在缺乏歷史的情況下，以結(jié)構(gòu)化的方法估算。通常用于進(jìn)軍新市場的企劃，或是要了解未上市產(chǎn)品的銷售潛力。

Q：想在廣東某城市推廣小學(xué)夏令營產(chǎn)品，怎么估算市場規(guī)模？

步驟 1，分層。將問題切割，找出可能不同的市場區(qū)隔。

市區(qū)和郊區(qū)的小學(xué)密度可能不同

步驟 2，設(shè)計方程式。確定哪些數(shù)值和因素可能影響正在估算的規(guī)模數(shù)值。

城市、人口和財富可能影響小學(xué)的數(shù)量

小學(xué)數(shù)量=城市數(shù)量x每座城市的人口數(shù)x每群人口的學(xué)校數(shù)量x財富因數(shù)（市區(qū)和郊區(qū)的財富對比）

步驟 3，計算方程式。對方程式里的數(shù)值進(jìn)行假設(shè)。

市區(qū)人口=50K，郊區(qū)人口=10K。

每10K人有1所學(xué)校，市區(qū)的財富是郊區(qū)的2倍。

市區(qū)小學(xué)估計值：20x50000x1/10000=200

郊區(qū)小學(xué)估計值：20x10000x1/10000=20

約有220所小學(xué)

2.5 預(yù)測分析

分析目前和過去的事實數(shù)據(jù)，來預(yù)測未來的事件或行為，最常使用的統(tǒng)計技術(shù)是回歸和分類。

Q：結(jié)賬的轉(zhuǎn)化率變低了，為什么？

利用邏輯回歸建立模型（特別的回歸形式，適用于因變數(shù)是二元性質(zhì)，“有或沒有”，此案例考量即為有轉(zhuǎn)化或沒轉(zhuǎn)化）

因變數(shù)：想要預(yù)測的目標(biāo)，如轉(zhuǎn)化率。

自變數(shù)：指可能和因變數(shù)有關(guān)系，或是沒有關(guān)系的一些未知數(shù)，由所提出的假設(shè)決定，如藍(lán)色按鈕、橫幅廣告等。

2.6 市場區(qū)隔

區(qū)隔顧客或產(chǎn)品成有意義的群組，通常是為了鎖定目標(biāo)，透過量身打造的方式，讓該目標(biāo)群體產(chǎn)生更高的價值。

Q：哪些客戶只想折扣？哪些客戶想要第一手信息？

用 RFM 模型為顧客分組。

2.7 顧客生命周期分析

觀察消費(fèi)者的購買流程，以確定某一群顧客正處于哪個階段，以及怎么將他們推向下一個階段。

Q：怎么讓使用者成為重度玩家？

同類群組分析→ 客戶存活的天數(shù)過短，就必須加強(qiáng)使用者體驗；若新客戶人數(shù)逐漸減少，則必須加強(qiáng)廣告或增加促銷活動。

三、4 種統(tǒng)計數(shù)值掌握數(shù)據(jù)特性

手上有一群數(shù)據(jù)的時候，要快速掌握數(shù)據(jù)的特征，可以從“平均數(shù)”、“中位數(shù)”、“眾數(shù)”和“標(biāo)準(zhǔn)差”下手。

Q：這是公司全體員工職業(yè) IT 素養(yǎng)程度報告，身為公司數(shù)字化轉(zhuǎn)型的負(fù)責(zé)人，該如何利用它擬定教育訓(xùn)練策略？

整體實力中等，滿分 10 分，拿到平均成績?yōu)?5.8 分。

組織實力分布不均，中位數(shù)低于平均數(shù)，表示能力落后的成員較多，應(yīng)依能力設(shè)計不同的課程，或由能力佳者帶領(lǐng)落后者學(xué)習(xí)。

員工職業(yè)IT素養(yǎng)程度表

四、2 個敘述統(tǒng)計的陷阱

敘述統(tǒng)計雖然能夠幫助我們掌握數(shù)據(jù)的特征，快速產(chǎn)生觀點，但在應(yīng)用平均數(shù)、百分比推導(dǎo)結(jié)論時，要留意陷阱。

4.1 平均數(shù)陷阱

平均分提高了 1.2 分，表現(xiàn)優(yōu)異。

平均數(shù)雖然提高了，但標(biāo)準(zhǔn)差只縮小 0.6分，代表組織內(nèi)程度差距未縮小，可能是有IT背景者進(jìn)步幅度大，拉高了平均分。

4.2 百分比陷阱

近 3 年員工職業(yè) IT 素養(yǎng)的成績持平，2021 年成績跟 2019 年一樣。

不要用百分比去推算分?jǐn)?shù)是否成長，因為每年的基期不一樣，所以增長或減少的數(shù)值會不同。下表所示，2021 年成績比 2019 年少了 0.71 分。

五、5 種數(shù)據(jù)比較的方式

「比較」是讓數(shù)據(jù)產(chǎn)生意義的有效方式，但怎么比、跟誰比？我整理了 5 種比較方式，以拿到某品牌掛耳咖啡的銷售數(shù)據(jù)為例。

5.1 差距比較：分析對象和比較對象的差異

Q：某公司掛耳咖啡包全年營收 3 億在市場上的表現(xiàn)如何？跟競爭對手的差距為何？

步驟 1，選擇比較對象，同類性質(zhì)互比。

步驟 2，設(shè)定比較基準(zhǔn)值，繪制條形圖。

A：掛耳咖啡包為 A 公司主力商品，雖然 A 公司在咖啡包全年收入上超越我們，但比起 A 公司，我們具有多項產(chǎn)品同步發(fā)展的優(yōu)勢。

5.2 趨勢比較：分析一段時期內(nèi)市場、營收、產(chǎn)品的走勢

Q：某公司掛耳咖啡包 2021 年營收 3 億，跟前幾年比有成長嗎？成長了多少呢？

步驟 1，搜集近 10 年公司咖啡包營收數(shù)據(jù)，繪制折線圖。

步驟 2，觀察曲線走向，根據(jù)轉(zhuǎn)折點、異常值推測變化的原因。

A：跟 2020 年比沒有成長太多，但與 2012 年相比營收成長了 10 倍，顯然販?zhǔn)勐?lián)名商品有效果。

5.3 指數(shù)分析：利用總體市場數(shù)據(jù)，判斷品牌的目標(biāo)對象

Q：某公司掛耳咖啡包在市場上哪個年齡層最有優(yōu)勢？

步驟 1，搜集比較對象的人口分布比例。

步驟 2，計算指數(shù)數(shù)值。當(dāng)指數(shù)小于 95，代表在該年齡層為相對少數(shù)，指數(shù)大于 105 代表在該年齡層為相對多數(shù)。

A：咖啡包在 25~44 歲的客群中有競爭優(yōu)勢，45 歲以上的客群還需要經(jīng)營。

5.4 異質(zhì)比較：分析數(shù)據(jù)的結(jié)構(gòu)是否明確偏向或集中某處

Q：假設(shè)掛耳咖啡包月度營收為 250 萬，跟公司的其他產(chǎn)品相比表現(xiàn)算好嗎？

步驟 1，將所有產(chǎn)品月度營收分布由大至小排列，并記錄區(qū)間次數(shù)。

步驟 2，繪制直方圖，注意分散的程度、峰值數(shù)量。

圖 1：一個峰值位于中間、圖偏向「鐘型曲線」，代表數(shù)據(jù)為常態(tài)分布，產(chǎn)品的營收平均值與中位數(shù)較不受異常值影響，分布比較平均。

圖 2：有 2 個峰值，平均數(shù)、中位數(shù)受異常值影響，數(shù)據(jù)分布不平均。

A：產(chǎn)品月度營收分布如圖 1 所示，代表產(chǎn)品的月度營收分布平均，集中在 151~200 萬區(qū)間，咖啡包收入 250 萬高于平均，表現(xiàn)不錯。

5.5 變數(shù)分析：比較多個事件的關(guān)系，希望找到其中一個事件能去解釋另外一個事件

Q：網(wǎng)絡(luò)廣告費(fèi)用的多少，是否影響掛耳咖啡包的銷售額？

步驟 1，利用 Excel 的 CORREL 函數(shù)計算廣告投入費(fèi)、銷售額的相關(guān)系數(shù)，系數(shù)越接近 1，代表廣告費(fèi)投入與銷售額呈正相關(guān)；系數(shù)越接近 -1，則表示兩者為負(fù)相關(guān)。

步驟 2，將數(shù)據(jù)繪制成分布圖。

A：廣告投入費(fèi)用與產(chǎn)品銷售額呈正相關(guān)，代表投廣告的行銷策略有效，下次退出新品時可參考此策略。

六、數(shù)據(jù)比較的陷阱

Q：患者死亡率是評估醫(yī)療品質(zhì)的指標(biāo)之一，試試從下表評判，A、B醫(yī)院，哪間醫(yī)療品質(zhì)更好？

無法評判。

參考表 1 時，B 醫(yī)院平均死亡率比 A 更低，B 醫(yī)院表現(xiàn)比 A 更好；但表2加入「輕重癥死亡人數(shù)」變項時，A醫(yī)院無論在輕癥、重癥死亡率都比 B 更好，為什么會這樣？

原因：

因為 A 醫(yī)院的重癥人數(shù)是 B 的3倍以上，導(dǎo)致平均死亡率被拉升，只要 A、B 醫(yī)院輕重癥患者比例相同，就不會有類似的問題。這個案例被稱為「辛普森悖論」現(xiàn)象，也就是當(dāng)某項統(tǒng)計變項為搜集到（此例為輕重癥人數(shù)比例），造成統(tǒng)計結(jié)果逆轉(zhuǎn)的現(xiàn)象。

避免方式：

1. 比較對象程度一致：醫(yī)院不跟診所比。
2. 依分析目的決定數(shù)據(jù)分析方法：整體狀況適用平均數(shù)分析；群體內(nèi)比較則搜集更多統(tǒng)計變項的數(shù)據(jù)。

七、相關(guān)關(guān)系與因果關(guān)系

Q：許多世界知名的領(lǐng)導(dǎo)者都愛好運(yùn)動，前美國總統(tǒng)奧巴馬從小打籃球、youtube總裁沃西基擅長冰球。所以我們可以推測，「擅長運(yùn)動的孩子，學(xué)習(xí)力更好」？

運(yùn)動與學(xué)習(xí)力之間應(yīng)為相關(guān)關(guān)系而非因果關(guān)系，兩者之間可能存在著第三變數(shù)，也就是家長對教育的重視程度。

培養(yǎng)運(yùn)動能力，未必能提升學(xué)習(xí)力。運(yùn)動能力→學(xué)習(xí)能力→家長對教育的重視程度。重視教育的家長，會引導(dǎo)孩子學(xué)習(xí)，所以他們的成績比較出色。重視教育的家長，會注意孩子的飲食均衡，導(dǎo)致體力變好。

X 導(dǎo)致 Y 或 Y 導(dǎo)致 X，其實存在另一個變數(shù) Z，是 Z 導(dǎo)致 X 和 Y。舉例來說，冰淇淋的銷售量會隨著穿短褲的人數(shù)增加而增加，不是「越多人穿短褲」導(dǎo)致「越多人買冰淇淋」，而是兩種發(fā)生的共同原因是「夏天氣溫較高」。

如果混淆了因果和相關(guān)，比方廣告預(yù)算越多，銷售額越高，容易導(dǎo)致做出錯誤的商業(yè)決策。所以，較謹(jǐn)慎的做法是進(jìn)行隨機(jī)對照實驗（RCT，Randomized Controlled Trial），或者稱 A/B 測試（A/B Testting），就是把受試者隨機(jī)分為兩組，兩組只有一個變數(shù)不同，如果導(dǎo)致不同結(jié)果，便可以稱該變數(shù)導(dǎo)致某結(jié)果，或變數(shù)和結(jié)果有因果關(guān)系。

八、利用 A/B 測試，確認(rèn)因果關(guān)系

南美國總統(tǒng)奧巴馬的競選團(tuán)隊，便是利用 RCT 測試哪一種首頁的注冊率最高。結(jié)果相比原本想選擇「影片」和「望向遠(yuǎn)方的獨照」，最后經(jīng)對實驗選擇「奧巴馬全家?！沟姆桨缸屪匀藬?shù)多了 288 萬人，并多募得 6000 萬美元的政治獻(xiàn)金。

如果環(huán)境不允許，或是沒有資源做隨機(jī)對照實驗，《數(shù)據(jù)分析的力量》建議用「自然實驗(natural experience)」替代，就是進(jìn)行一系列假設(shè)、驗證，厘清因果關(guān)系。

舉例來說，想知道改變自付額，對醫(yī)療服務(wù)使用頻率的影響?？梢韵燃僭O(shè)「如果自付額會影響醫(yī)療服務(wù)的使用，70 歲以上的人，應(yīng)該會比 70 歲以下的人，更常使用」，因為日本法令規(guī)范，70 歲開始，自付額由 3 成降為 1 成。

查詢公開數(shù)據(jù)后發(fā)現(xiàn)，隨著年齡愈大，醫(yī)療服務(wù)的使用者也愈多。但到了 70歲，原本緩慢上升的曲線突然大跳躍！

這個「斷層」代表有變數(shù)發(fā)生，而 69~70 歲比較普遍的改變，就是自付額的高低。自付額和醫(yī)療服務(wù)的使用頻率有因果關(guān)系得到了驗證。

#專欄作家#

龍國富，公眾號：龍國富，人人都是產(chǎn)品經(jīng)理專欄作家，人因工程碩士。致力于終身學(xué)習(xí)和自我提升，分享用戶研究、客戶體驗、服務(wù)科學(xué)等領(lǐng)域資訊，觀點和個人見解。

本文原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理，未經(jīng)授權(quán)，禁止轉(zhuǎn)載。

題圖來自Unsplash，基于CC0協(xié)議。