数据分析小白，初步分析思路该如何形成？

肯定很多人都有过这样的经历吧？

接到一份“数据分析”的指示，很多人会先把过去一段时间数据的变化做成柱状图，然后再用折线图来体现每年相对上一年的增长。接下来，对数据进行 ABC 分类。ABC 分类是指按照从大到小的顺序进行排序，根据不同分类在整体中所占比例的大小，将其分为“A 类”“B 类”“C 类”，这是一种排列优先顺序的分析方法。

利用手边的数据，暂且先做了这些分析。可是在这之后，就会陷入停滞不前的状态，“接下来该怎么做呢……” 

会出现这种情况，是因为分析者只关注了代表结果的数据，而没有具体考虑分析的目的或问题。结果性的数据，类似于销售额、订单量等，是体现业务好坏的结果型数据，容易统计，也容易受关注。但数据分析的目的是找到问题、分析原因、提出解决方案，仅靠结果数据，不太能找到问题原因。

在上述中重点标记的几种方式，都是最常用大家都会的，分类、排序、趋势分析。所以说在数据分析中仅仅掌握方法是不够的，要先明确分析的目的。

  你发现本月的支付用户数环比上月大幅下跌（超30%），你会如何去探查背后的原因？请描述你的思路和其中涉及的关键指标。

在确认了分析目的后，我们可以先将问题进行拆分，拆分后我们会发现，影响原因有多个。我们需要考虑从何种维度对该指标进行比较，才能找到问题的关键。在依赖数据之前先进行推测，也可以说是 WHAT 型假设的一部分。这样一来，只要熟悉业务内容，人们就会想到“商品”“地域”“顾客年龄”等许多维度。从中优先挑选与问题联系最紧密，最能体现差异的维度进行比较，便可以找到问题的关键。

针对此题，我们假设是新用户数变少了，接下来我们确定了其中一个分析方向，然后再对新用户进行拆解，例如不同渠道的新用户数，具体是哪个变少了，该渠道的投放是否有效，再从用户年龄、地域、性别等分别进行假设验证。

漏斗分析模型是业务分析中的重要方法，最常见的是应用于营销分析中，由于营销过程中的每个关键节点都会影响到最终的结果，所以在精细化运营应用广泛的今天，漏斗分析方法可以帮助我们把握每个转化节点的效率，从而优化整个业务流程。

其中，我们往往关注三个要点：

第一，从开始到结尾，整体的转化效率是多少？

第二，每一步的转化率是多少？

第三，哪一步流失最多，原因在什么地方？流失的用户符合哪些特征？

漏斗分析通常帮我们解决的不止是转化率的问题，精细化的漏斗分析，还可以帮助我们：

1、漏斗对比分析，从差异中找到优化方法  对比不同用户群体、不同营销方式等的漏斗分析，可以帮助我们快速发现用户特点、营销方式的转化优势，找到在转化环节中，针对不同用户可优化的步骤，或营销方法中可强化的地方。

2、通过转化率定位转化最有效的关键方法   绝大部分的商业变现流程，都可以梳理出漏斗，通常我们会采取多种方法希望增加转化，漏斗分析可以帮助我们很好的梳理整个业务流程，明确最重要的转化节点，所以在分析的过程中，可以找出是否有其他不重要的过程参与，影响了主要流程的转化，从而进行取舍优化

漏斗模型典型案例

AARRR分析模型

Acquisition、Activation、Retention、Revenue、Refer，即用户获取、用户激活、用户留存、用户收益以及用户传播。

通过图可以看到，这是一个典型的逐级减少的漏斗图，通过对于每个环节转化率的分析变化，来确定实现最终转化的关键方法，不断进行优化迭代。

在目前的互联网产品普遍红海的情况下，增长专家们也对模型进行了新的思考和优化，在AARRR模型中，最为关注的是用户的获取，通过扩大漏斗顶端的流量池，实现最终转化的提高，在目前市场情况下，获客已经很难成为增长实现的最重要指标了，重新定义的RARRA模型，帮助人们把关注重点从用户获取转移到用户留存上，这就需要更多的去关注用户活跃和留存数据，这个也是后面我们会说到的用户分析方法中重要的分析指标。

漏斗分析方法的图表制作

如何轻松制作漏斗图

在数据分析工具BDP中可以通过拖拽生成漏斗图，根据漏斗数据顺序排列，自动生成各级转化率，也可以根据需要调整每级数据颜色。

最后需要根据分析出的问题及原因讨论制定具体的解决方案和措施。

数据分析的过程其实是抽丝剥茧，找到关键问题的过程。在分析初期，人们很容易依赖工作中的常识、经验或直觉，对分析范围进行确定，或者可能会无意识地排除一些重要的假设。在我们担心担心自己的假设是否存在偏差、是否视野过于狭窄时，我们可以请别人对自己的假设进行确认，也有一些可以用来自己检查的方法，例如流程图、4P营销理论等。

参考文章：《如何用数据解决实际问题》[日]柏木吉基