2 数据分析方法一
根據業務場景中分析目的的不同，可以選擇對應的分析方法
2.1 5W2H分析方法
5W是指對于所有的現象和問題解決都追問5個問題：what（是什么）、when（何時）、where（何地）、why（為什么）、who（是誰）。2H是指再追問2個問題：how（怎么做）、how much（多少錢）
案例1：如何設計一款產品？
這時候可以用5W2H分析方法：
what（是什么）：這是什么產品？
when（何時）：什么時候需要上線？
where（何地）：在哪里發布這些產品？
why（為什么）：用戶為什么需要它？
who（是誰）：這是給誰設計的？
how（怎么做）：這個產品需要怎么運作？
how much（多少錢）：這個產品里有付費功能嗎？價格是多少？
案例2：設計一款App的調查問卷，如何設計問卷上的問題？
what（是什么）：你用這款App做什么事情？
when（何時）：你通常在什么時間使用這款App？
where（何地）：你會在什么場景使用這款App？
why（為什么）：你為什么選擇這款App？
who（是誰）：如果你覺得你喜歡這個產品，你會推薦給誰？
how（怎么做）：你覺得我們需要加入什么功能才是比較新穎的？
how much（多少錢）：如果你認為這個App對你有幫助，你會花多少錢去購買App里的服務？
2.2 邏輯樹分析方法
邏輯樹分析方法是把復雜問題拆解成若干個簡單的子問題，然后像樹枝那樣逐步展開
例如現在你想給自己做一個年度計劃，但是要做的事情很多。為了理順你的思路，可以用邏輯樹分析方法，把年度計劃這個復雜問題拆分成技能學習、讀書、健身、旅行這幾個子問題
邏輯樹分析方法是由科學家費米提出來的，這種分析問題的方法在面試中會經常用到，例如：北京有多少輛特斯拉汽車？某胡同口的煎餅攤一年能賣出多少個煎餅？深圳有多少個產品經理？一輛公交車里能裝下多少個乒乓球？一個正常成年人有多少根頭發?----“費米問題”
回答費米問題，可以用到邏輯樹分析方法，將一個復雜的問題拆解成子問題，然后逐一解決
注意事項：邏輯樹分析方法在解決業務問題時，經常不是單獨存在的，會融合在其他分析方法里，輔助解決問題
2.3 行業分析方法
當公司需要對外部環境或者行業進行分析的時候，需要用到行業分析法，用PEST分析方法進行行業分析
2.4 多維度拆解分析方法
拆解其實就是做加法，把一個維度拆解成維度1+維度2+維度3+…。如相親時，老媽把優秀拆解成個子高、家庭背景好、長得帥
通過多維度拆解數據，我們發現了和一開始截然相反的結論，這種現象被稱為“辛普森悖論”（Simpson’s Paradox），也就是在有些情況下，考察數據整體和考察數據的不同部分，會得到相反的結論。如把兩家醫院按病人拆分為重癥存活率和輕癥存活率。
辛普森悖論：考察數據整體和考察數據局部，結論相互矛盾。就像是欲比賽100場籃球以總勝率評價好壞，有人和 高手挑戰20場勝1場，另外80場找平手挑戰勝40場，結果勝率41%，另一人則和高手挑戰80場而勝8場，而剩下20場平手打個全勝，結果勝率為28%，比 41%小很多，但仔細觀察挑戰對象，后者明顯較有實力
如何使用多維度拆解分析方法？
1）從指標構成來拆解
銷售額=新用戶銷售額+老用戶銷售額
新用戶銷售額=新用戶數×轉化率×新用戶客單價
老用戶銷售額=老用戶數×復購率×老用戶客單價
2）按業務流程來拆解
一家線上店鋪做了一波推廣，老板想看看推廣效果如何，你該怎么辦呢？
推廣效果最直觀的是看用戶增長了多少，定義衡量指標為新增用戶數。進一步可按照城市、性別、渠道來拆解新增用戶數
2.5 對比分析方法
心理學家發明了一個術語叫作價格錨定，也就是通過和價格錨點對比，一些商品會賣得更好
想要進行對比分析，我們要弄清楚兩個問題：和誰比（一般是和自己比，和行業比），如何比較（平均數、中位數、變異系數、趨勢變化）
A/B測試的背后也是用了對比分析方法。什么是A/B測試？
可能經常會面臨多個設計方案的選擇。A/B測試就是為同一個目標制定兩個版本，這兩個版本只有某個方面不一樣，其他方面保持一致。例如兩個版本只有按鈕
的顏色不一樣，讓一部分用戶使用A版本（實驗組），另一部分用戶使用B版本（對照組）。試運行一段時間后，分別統計兩組用戶的表現，然后對兩組數據進行對比分析
某些公司會有專門做A/B測試的平臺。平臺會自動監控測試過程和生成分析報告。
2.6 假設檢驗分析方法
假設檢驗分析方法的步驟分為3步：提出假設、收集證據、得出結論
如何提出假設呢？我們可以按用戶、產品、競品這3個維度提出假設（圖2-52），來檢查提出的假設是否有遺漏。這3個維度分別對應公司的3個部門：用戶對應運營部，產品對應產品部，競品對應市場部
還可以從4P營銷理論出發來提出假設，為了尋找銷售業績下降的原因，從公司角度，可以利用4P營銷理論從4個維度提出假設：
某線上店鋪最近給新會員的折扣券的領取率降低，原因是什么呢？可以先畫出業務流程，根據業務流程一步步提出假設
這里其實是用到了我們之前講過的多維度拆解分析方法
2.7 相關分析
可能會被問到：子產品對整體產品有多少貢獻度或者影響度。例如，對于微信讀書這款產品，評估“想法”這個子模塊的用戶留存對整體產品留存的影響度。這時候就可以使用相關分析，研究子產品和整體產品有什么關系
如何使用相關分析方法
散點圖，散點圖可以直觀地顯示出兩種數據之間的相關關系
相關系數 r 就是用來衡量兩種數據之間的相關程度的，0.6以上可認為高相關
提問：為什么產品A的復購率比競爭對手低50%？
這時候可以通過相關分析，來確定影響最大的因素。通過分析，發現跟復購率相關度最高的因素是助教的答疑效果，那么，就可以優先提高助教的答疑服務，進而提高復購率
注意事項：相關關系不等于因果關系
如何判斷兩種數據之間是相關關系，還是因果關系呢？可以使用“單變量控制法”，也就是控制其他因素不變，只改變其中一個因素，然后觀察這個因素對實驗結果的影響
例如，早上公雞一打鳴，太陽就會升起。如果把公雞殺掉，太陽還是會升起。所以，“太陽升起”和“公雞打鳴”是相關關系，不是因果關系
總結
- 上一篇： 磁共振扫描安全性
- 下一篇： 用555定时器接成的施密特触发器电路/滞