编者按：数据分析已经成为企业寻找业务发展方向的有效手段，很多企业想要搭建数据分析体系，也有许多人不知道数据分析的方法和思路，企业服务汇就通过本篇文章为您介绍几个简答的数据分析思路和方法。

企业对数据分析的需求程度越来越高，特别是在运营、产品、商务这些工作中更为重要。许多企业、员工会问怎样进行数据分析？数据分析有哪些思路和方法？可以使用什么样的工具？…，接下来企业服务汇为您详细介绍。

 

➤  数据分析方法

常见的数据分析方法有：趋势分析、漏斗分析、留存分析、四象限分析这4类。

（一） 趋势分析

趋势分析是数据分析方法中最简单最常用的一种方式，针对某一项指标，对其一段事件内的走势进行观测。在企业产品中，可以通过这种方式观测活跃用户量、销售额、转化率等等。在使用趋势分析方法的时候，尝试查看多个相关数据的趋势，可能回更快找到问题的原因。举个简单的例子来说：产品在某天发布了促销活动，之后可以对用户量、转化率、利润率等相关数据同时比较，来评估活动的效果。

（二） 漏斗分析

漏斗分析是观测用户完成某项既定指标的整理流程的一种方式，可以有效的观测转化效率。比如说：在电商领域中，找到核心转化流程“浏览-点击-加入购物车-购买-重复购买“，并对各个流程的数据进行监测，通过比较各个节点到下一节点的转化率，来找到优化的方向。

通过漏斗分析可以很容易的发现，在做数据分析时不仅要看总体的转化率，还要适当关注每一个节点的转化率。另外可以对漏斗数据进行多维度的分析，可能会得到不同的结果。举个例子来说：某电商企业账户注册的流程使用短信的方式，总体注册率表现一般，通过多维度的漏斗分析，IOS端转化率较高，但Android端有大部分用户流失在了“短信验证码“的节点。

（三） 留存分析

这种方法是来分析监测新用户后续是否持续使用产品，日留存率、周留存率、月留存率是常见的衡量指标。说到这里就不得不说对于用户行为的监测，首先完善的用户行为监测是留存分析的前提，企业在留存分析之前，需要明确一个问题“将做什么操作的用户认定为留存“，比如：再次打开软件、再次浏览页面或者再次下单等等。

明确了留存指标后，还要进行多用户行为的监测，为什么要这么做呢，当监测到更多的用户数据后，可以查看留存率较高和留存率较低的用户群的行为特点。举个例子来说：某社交产品上线一段时间后对留存用户进行分析，发现高留存的用户在注册一周内添加5个以上的好友并有3次以上的分享动作，而低留存的用户没有这类行为。得到这个信息后，该产品开始进行新的运营策略来激励添加好友和分享。

（四） 四象限分析

四象限分析法也是很常见的分析方法之一。它是对于某个体的两种相关属性的分析方法，这种方法有利于分类查看，并对分类的特点进行分析。比如可以将商品按照转化率和花费分为四个象限（如下图所示）：A低消费低转化，B高消费低转化，C高消费高转化，D低消费高转化。然后以这四个象限的分类进行拓展分析。值得注意的是，消费高低转化高低的这个分界值是需要企业根据业务情况来严谨思考来定义的。

举个实际中的例子：某企业进行无效表单提交的用户分析，使用提交电话数和30天内提交表单数作为两个属性，将用户分为了A电话数少表单数少，B电话数多表单数少，C电话数多表单数多，D电话数少表单数多这四个类型。接着展开了调研进一步的调研，分为：正常用户，轻度恶搞用户，重度恶搞用户，实际需求客户。这个案例主要描述这个方法的实际应用场景，没有明确写出具体数据，仅供参考。

 

➤  小结

本文介绍了数据分析工作中几种常见的方法和思路，企业可以结合自身情况进行使用。值得关注的是，目前市场上许多数据分析工具都提供了从数据监测到数据分析的完整解决方案，也提供了类似于上述常见分析方式的辅助工具。如果企业自行搭建数据分析体系成本较高，可以考虑选用市面上的数据分析工具，达到降低成本、提高效率的目的。