|
1、多维度拆解分析法
多维度拆解分析法就是将一个复杂的、模糊的问题从多个维度去拆解成简单的子问题。
比如评价一个公司的是否值得入职：
2、对比分析法
对比法就是将两组或以上的数据进行比较。众所周知，孤立的数据是没有参考价值的，有对比才能体现差异。比如时间维度上的同比和环比、增长率、与竞争对手的对比等。
下图是A、B两公司的销售额对比，我们可以看到虽然A公司的销售额总体增长且略高于B公司，但B公司的销售额增速迅猛，即使后期增速有所下降，但仍高于A公司。而具体如何去评判，就要具体问题具体分析。
3、象限分析
象限分析法是使用坐标的方式对两种及以上的维度进行划分，将有相同特征的事件进行归类，总结其中的共性原因，建立分组优化策略，通常运用产品分析、市场分析、客户管理、商品管理等方面。例如，下图是一个广告点击的四象限分布图。X轴代表点击率，从左到右表示从低到高；Y轴代表转化率，从下到上表示从低到高。
从这个四象限图我们可以很清晰地看到，第一象限是高点击率高转化率的广告，说明人群相对精准，广告相对来说有结果有价值。而第二象限点击率低转化率高，说明广告定位人群和产品受众比较精准，但广告内容需要优化，吸引更多人来点击。第三象限低点击低转化，则说明投放的广告没有什么价值可以考虑放弃。第四象限是高点击低转化的广告，说明广告非常吸引人但是定位投放的人群和产品实际受众不符。
像经典的RFM模型也是象限分析法，主要是对用户按照价值分类，从而进行精细化运营。
4、帕累托分析法／ABC分类法
帕累托分析法可以理解为20%的数据产生了80%的成果，我们通过合理分配时间和资源得到A类，即总数中的少数部分，你将会得到更好的结果，不过也不能忽视B类和C类。
在ABC分析法的分析图中，左边纵坐标代表频数，右边纵坐标代表频率（以百分数表示）。横坐标则表示影响质量的各项因素，按影响大小从左到右依次排列。曲线代表各种影响因素大小的累计百分数。一般来说，会将曲线的累计频率分为三级，与之相对应的因素分为三类：
A类因素，为主要影响因素，发生累计频率为0%~80%。
B类因素，为次要影响因素，发生累计频率为80%~90%。
C类因素，为一般影响因素，发生累计频率为90%~100%。
5、漏斗分析
漏斗分析是描述性分析的一种通用方法，主要描述的是用户在产品内发展过程中每个步骤的转换和得失。下图是用户在电商平台购物的一个漏斗分析模型。整个模型就是先将整个购买流程拆分成一个个具体步骤，然后用转化率来衡量每一个步骤，最后通过异常数据指标找出有问题的环节，聚焦该环节去进行针对性优化，最终达到提升整体购买转化率的目的。
6、聚类分析
聚类分析即将相似的对象通过静态分类的方法划分为不同的组别或子集，让处于同个子集中的对象拥有相似的属性，不同子集中的对象差异较大。常用的聚类方法有K均值（K-Means）、谱聚类、层次聚类等。
| 
