想必做過數據分析的同學一定接觸過很多分析方法，比如漏斗法，同期群，A/B測試等等。并且由于不同版本的演繹，造成了分析方法種類繁多，令人眼花繚亂，甚至高深莫測。其實真不用把分析方法看的太高大上了，所有的分析方法總結起來就兩種：分類和對比，分類和對比，分類和對比，重要的事情說三遍，并且大部分的分析方法都是這兩者的結合

為什么說數據分析就是分類和對比呢?

拿我家娃來舉例子，我家娃3歲多了，他現在就會用分類和對比來做數據分析了。一天媽媽給他拿了一塊大白兔奶糖和一塊德芙巧克力，問他選哪個，小家伙猶豫了1分鐘，最后選了德芙巧克力;第二天媽媽給他拿了兩塊大白兔奶糖和一塊德芙巧克力，問他選哪個，小家伙又猶豫了1分鐘，但這次他選擇了兩塊大白兔奶糖。

其實這兩次選擇的過程，小家伙都做了分類和對比。他首先把奶糖和巧克力分成了兩類，并沒有混為一談，否則就不會猶豫那么長時間了。然后再去做對比，第一次對比的結果是，一塊奶糖不如一塊巧克力好，所以選擇了一塊巧克力;第二次對比的結果是，兩塊奶糖是要比一塊巧克力好的，所以選擇了兩塊奶糖。大家看看，一個3歲的小孩都是會做數據分析的。當然，實際業務中的分析方法確實更加復雜，但歸納起來，也是這兩個方法的演繹。我們先來看看最基礎的對比分析和分類分析是如何應用的：

對比分析

對比分析顧名思義就是將兩個或兩個以上的數據進行比較，分析它們之間的差異，從而發現數據的變化情況和規律。對比分析法分為靜態比較和動態比較兩類，用來判斷某個數據是好還是壞，以及某幾個數據之間的差異性。

對比分析怎么比呢?一般在數據分析中我們可以從這樣幾個角度進行對比

時間對比：同比、環比、變化趨勢

空間對比：不同城市、不同產品對比

目標對比：年度目標、月度目標、活動目標

用戶對比：新用戶vs老用戶、注冊用戶vs未注冊用戶等

競品對比：渠道、功能、體驗和流程、推廣和收入

分類分析

分類分析就是把分析對象總體中具有不同性質的對象區分開，把性質相同的對象合并在一起，保持各組內對象屬性的一致性、組與組之間屬性的差異性，以便進一步運用各種數據分析方法來揭示內在的數量關系，最終目的是為了方便對比，所以經常和對比分析法一起用

分類分析一般有以下幾種分類方法：

不同時間分組：日、周、月、年等

不同產品類型分組：產品屬性;產品區域

不同用戶類型分組：人口屬性(性別、年齡);客戶價值;消費頻次

不同渠道分組：線上渠道、線下渠道;付費渠道、免費渠道

案例 ：在分析某App的留存率的時候發現有下降趨勢，為了更好的定位問題所在，對不同渠道的留存率進行了分組分析，通過分析發現留存率降幅明顯的是IOS渠道和應用市場渠道，且因為這兩個渠道的用戶量占比最大，應該對于整體留存率的影響最大;再通過對這兩個渠道的訂單完成情況分析，發現接單情況對留存的影響最大，對于完成訂單接單時間越長留存越差，對于發布訂單未接單率越高留存越差。所以，目前應該提高接單率以及提升完成訂單的時效性。

了解了最基礎的分類和對比分析法，下面我就從分類對比的角度去幫助大家理解數據分析常用的5個方法：轉化漏斗分析、同期群分析、AB測試、用戶來源分析、矩陣分析

轉化漏斗分析

轉化漏斗分析是最常用的一種模型，也是增長黑客理論的基礎。特別適合有交易型的業務

最典型的例子就是電商行業。獲得了多少新用戶(瀏覽)，多少用戶被激活(注冊)，多少用戶還來光顧網站(留存)，多少用戶購買了產品(收入)，多少用戶幫助推廣(傳播)。漏斗主要幫助我們解決在哪個環節用戶的流失最多

轉化漏斗也是一個分類對比的過程。分類是把用戶的行為過程分成了5個步驟，對比是看用戶在哪個步驟中流失嚴重。比如用戶在注冊的階段流失嚴重，推測是不是注冊過程太繁瑣，體驗太差導致的，我們就可以對癥下藥。

同期群分析

同期群(cohort)分析在數據運營領域十分重要，特別是看產品改版后用戶整體的留存情況。防止在一個時間點改版后，用戶留存率大幅下降卻沒有察覺。

所謂同期群分析方法，也就是將用戶按初始行為的發生時間進行劃分為群組(即同期群)。然后對處于相同生命周期階段的用戶進行垂直分析，從而比較得出相似群體隨時間的變化的差異。通過比較不同的同期群，可以從總體上看到，用戶表現是越來越好，還是越來越差。從而驗證產品改進是否取得了效果

這個模型的分類是按照時間窗口來分，對處于相同生命周期階段的用戶進行分類;對比就是比較不同群的用戶，在相同生命周期階段，表現有何差異。橫向分類，縱向對比

案例：9月份新增用戶10萬人，10月份新增用戶15萬人，但9月份新增用戶的30日留存用戶為1萬人，10月份新增用戶的30日留存用戶也為1萬人，哪個月的運營業績更好呢?

通過同期群分析，我們可以發現9月份和10月份新增用戶的留存用戶是相同的，那么9月份的留存率更高，從用戶質量角度考慮，9月份的運營成果更好，從有效用戶角度考慮，2個月的運營成果相同，從新增用戶角度考慮，10月份的運營成果更好。

同期群分析的目的在于透過現象找到結果，以時間維度建立同期群，除按時間維度考慮，也可以對來源渠道等維度建立同期群。

AB測試方法

精益數據分析的主要思想之一，是不要一開始就做一個大而全的產品，而是要不斷做出能小而精的功能或者策略，并進行快速的驗證。那如何快速驗證呢?主要方法就是AB測試

比如：你發現漏斗轉化中有環節用戶流失嚴重。假設是商品價格的問題，那么策略就是改變定價。但策略是否正確，要看真實的用戶反應，于是采用AB測試。一部分用戶看到的是老價格，一部分用戶看到新價格，若策略管用，看到新價格的用戶應該有更好的轉化。那么就可以根據結果來確定是否采用新的價格。

這里的分類就是把用戶分成實驗組和對照組，對比是什么呢?就是這兩組用戶后期的表現。通過對比兩組用戶的表現來判斷產品功能或者營銷策略是否有效

用戶來源分析

隨著流量紅利的消失，我們對獲客來源的重視度變高。如何有效的標注用戶來源，至關重要。傳統分析工具，渠道分析僅有單一維度，要深入分析不同渠道不同階段效果，SEM付費搜索等來源渠道和用戶所在地區進行交叉分析，得出不同區域的獲客詳細信息，維度越細，分析結果也越有價值

這里的分類就是就是不同的用戶來源渠道，對比是各個渠道的投入產出比，進而決定在哪個渠道加大投入，在哪個渠道縮減開支

矩陣分析法

矩陣分析法是指根據事物(如產品、服務等)的兩個重要屬性(指標)作為分析的依據，進行分類關聯分析，找出解決問題的一種分析方法，也稱為矩陣關聯分析法，簡稱矩陣分析法。在做資源分配的時候非常有用

矩陣分析法在解決問題和資源分配時，可以為決策者提供重要參考依據。先解決主要矛盾，再解決次要矛盾，這樣有利于提高工作效率，并將資源分配到最能產生績效的部門、工作中

常見的矩陣分析法有波士頓矩陣，SWOT矩陣等，這里就簡單說一下波士頓矩陣模型，它主要思想就是在一個企業內，通過研究產品的市場占有率和產品市場增長率，把企業現有產品劃分為不同的四種類型(明星，金牛，問題，瘦狗)，其實它也應用來組合分類的思想，比如上面這張圖就是根據兩個維度“需求增長率”和“市場占有率”的組合把用戶分成了4類，這樣能夠一目了然的確定主次矛盾，進而進行資源優化

標簽： 數據分析