<返回更多

详解3种常用数据分析方法,满足你职场95%的高频需求

2021-09-17    数据分析不是个事儿
加入收藏

最近有一位刚入行的朋友跟我吐槽,说他提交了一份8月的经营数据分析报告给领导,报告里面放了很多图表,也罗列了很多数据,结果却被老板痛批了一顿,说分析了半天也看不懂他的分析逻辑在哪里,他觉得很委屈。

其实,这位朋友和很多关注我的粉丝一样,做数据分析时,拿着手里的数据大脑却一片空白,不知道从哪里开始分析、从什么维度分析,常常一顿操作猛如虎,还是分析不出个所以然来。

今天老李就给大家分享3种常用的数据分析方法,让你快速明白这些方法在解决实际工作问题中有什么用?怎么用?

1、漏斗分析法

有什么用?

漏斗分析法能够反映用户行为状态,以及从起点到终点各阶段用户的转化率情况,是一种重要且工作中常用的分析模型。通过漏斗分析模型可以分析多种业务场景下转化和流失的情况,不仅找出产品潜在问题的位置,还可以定位每个环节流失用户,进而定向营销促进转化

怎么用?

漏斗分析模型目前广泛应用于网站App的用户行为分析中,例如流量监控、seo优化、产品营销等日常数据的数据分析工作中。

详解3种常用数据分析方法,满足你职场95%的高频需求

 

例如用FineBI为某电商平台制作的转化分析报告,这里面就运用了漏斗分析法。因为对于电商平台来说,目的就是让用户下单并成功支付,而最终的交易成功率是取决于整个流程中每一步的用户转化率。

所以,如果想要提高交易成功率,我们就需要通过漏斗模型一步一步地进行监测。如上图所示,我们可以监控用户在流程中各个层级上的行为路径,寻找每个层级的可优化点。对没有按照流程操作的用户,可以去绘制他们的转化路径,找到可提升用户体验,缩短路径的空间,最终提升整体转化率。

2、ABC分析法

有什么用?

ABC分析法其实很好理解,就是把产品或业务分为A、B、C三个类别。

详解3种常用数据分析方法,满足你职场95%的高频需求

 

核心思想就是少数项目贡献了大部分价值以此来分清业务的重点和非重点,从而让企业对产品实现差异化管理,把最大的精力放到价值最大的业务/产品上

怎么用?

举个实际场景的例子:以商场销售额为例,在知道各类商品销售额的基础上,①先求出总销售额 ②再求累计总销售额(第二列) ③求累计销售额占比(第三列)

最后将品牌商品按销售量(第一列)降序排列,依次分成销售额占比为 80% ,10%,10% 对应A 类,B 类,C 类三类品牌,用柱形条展示出来。

详解3种常用数据分析方法,满足你职场95%的高频需求

 

据图可知,在累计占比80%警戒线下,图中红框中的品牌即为A类品牌;在累计占比90%警戒线下,黄框中为B类品牌;在累计占比90%警戒线上,绿框中为C类品牌。

详解3种常用数据分析方法,满足你职场95%的高频需求

 

3、KANO模型分析法

有什么用?

在实际工作中,常常会碰到客户提出一大堆需求,什么都想要,但开发产品的资源和人力都是有限的,那怎么才能捞出真正的用户需求?给真正重要的需求高优先级?

KANO模型分析法就是用来解决此类问题的,它可以对用户需求进行系统分类和优先排序,将需求分成4个象限,而这4个象限对应了4种需求类型,它们的优先级排序为:必备型需求>期望型需求>兴奋型需求>无差异需求。

详解3种常用数据分析方法,满足你职场95%的高频需求

 

怎么用?

通过满意系数和不满意系数,来对功能进行象限的分类,而满意系数和不满意系数的数据,一般是来源于调研问卷。

详解3种常用数据分析方法,满足你职场95%的高频需求

 

调研后再对数据进行清洗、处理,设置横向警戒线和纵向警戒线,作为象限图的横轴和纵轴,警戒线的数值分别为满意系数平均值和不满意系数平均值。

最后,通过象限图找出优先级最高的功能,有了数据支撑,就避免出现因纠结要增加哪个功能而争得不可开交的局面,提升了工作效率。

声明:本站部分内容来自互联网,如有版权侵犯或其他问题请与我们联系,我们将立即删除或处理。
▍相关推荐
更多资讯 >>>