学习数据分析，从数据分析的4种方法开始。
共 1593字，需浏览 4分钟
· 2021-05-28
在设计工作中，我们常用的数据分析方法有以下4种：
1、漏斗分析
2、拆解分析
3、对比分析
4、行为分析
1、漏斗分析
漏斗的定义：基于明确起始操作路径，根据每个路径节点的用户数（操作次数），各个节点流转过程中，会存在一级级的流失，最终形成漏斗形态。
漏斗的意义：漏斗分析适用于一些列完整流程操作的用户行为，找到设计过程中流失比较多的节点，分析找到流失的原因并改进。
如下图所示，用户在搜索场景购买商品的整个操作路径，在这个路径中，每一节点都会存在流量的流失，从而形成一个完整的转化漏斗。
通过绘制的漏斗，找到对应页面的PV数据，计算出对应的转化率。转化率=下一个节点PV/上一个节点的PV，通常来说低转化率节点是可优化点。
漏斗的计数单位可以基于用户(UV)，也可以基于次数(PV)。
对于偏一次性流程的，例如注册、实名认证等建议使用用户(UV)，对于偏非一次性的流程，例如购买、发布等建议使用次数(PV)。
2、拆解分析
定义：将整体数据按照不同纬度进行拆解分析。
如下图，当我们在数据中看到目标用户有1866个人，那么接下来拆解分析这1866个人在不同纬度中的分布情况怎么样。
通过拆解，力求后续推广流量更加精准化，提升转化率。
如下图，通过城市的维度来看，产品目标用户的城市，排名前三分别为上海、石家庄和杭州。
3、对比分析
对比前后数据，通过对比数据的差值，验证设计。
那么由此得知，改版后数据涨幅为：
1.自身产品比，对比产品其他模块相似场景的数据差异。通过对比找到问题点并做分析优化。
2.行业产品比，和同行业产品的数据对比分析，找出数据差异的问题所在，并给出对应的优化方案。
4、行为分析
通过分析特定类型的用户行为，找到这种特定类型的用户行为的对产品带来的影响。也可以推算出这种特定的行为给产品带来的意义。
意义：用户行为可视化，可清晰的了解整体/个体用户的行为。
如下图所示，通过Google Aanalytic 网站可清晰的掌握平台整体流量的来源，用户群体路径行为轨迹，这可以让设计师/产品经理清晰地了解到平台的用户行为轨迹和用户人群的操作习惯。
也可以清晰地了解每个用户的操作行为路径。如下图所示：
以上就是设计中常用的4种数据分析的方法，如果你有其他意见和建议，欢迎在评论区留言。