數據分析師常見的分析思路

1.簡單趨勢

通過實時訪問趨勢了解產品使用情況，便于產品迅速迭代。訪問用戶量、訪問來源、訪問用戶行為三大指標對于趨勢分析具有重要意義。

2.多維分解

數據分析師可以根據分析需要，從多維度對指標進行分解。例如瀏覽器類型、操作系統類型、訪問來源、廣告來源、地區、網站/手機應用、設備品牌、APP版本等等維度。

3.轉化漏斗

按照已知的轉化路徑，借助漏斗模型分析總體和每一步的轉化情況。常見的轉化情境有注冊轉化分析、購買轉化分析等。

4.用戶分群

在精細化分析中，常常需要對有某個特定行為的用戶群組進行分析和比對;數據分析師需要將多維度和多指標作為分群條件，有針對性地優化產品，提升用戶體驗。

5.細查路徑

數據分析師可以觀察用戶的行為軌跡，探索用戶與產品的交互過程;進而從中發現問題、激發靈感亦或驗證假設。

6.留存分析

留存分析是探索用戶行為與回訪之間的關聯。一般我們講的留存率，是指“新增用戶”在一段時間內“回訪網站/app”的比例。 數據分析師通過分析不同用戶群組的留存差異、使用過不同功能用戶的留存差異來找到產品的增長點。

7.A/B 測試

測試就是同時進行多個方案并行測試，但是每個方案僅有一個變量不同;然后以某種規則(例如用戶體驗、數據指標等)優勝略汰選擇最優的方案。數據分析師需要在這個過程中選擇合理的分組樣本、監測數據指標、事后數據分析和不同方案評估。

然而，作為一個優秀的數據分析師應該具有全局觀和專業度，從業務實際出發，綜合各個方面的可能性，比如，做一個EDM測試，但EDM注冊轉化率驟降的可能性如下：

1.技術原因：ETL延遲或者故障，造成前端注冊數據缺失，注冊轉化率急劇下降;

2.外部因素：該時間節點是否有節假日，其他部門近期是否有向用戶發送推廣郵件，這些因素可能稀釋用戶的注意力;

3.內部因素：郵件的文案、設計是否有改變;郵件的到達率、打開率、點擊率是否正常;郵件的注冊流是否順暢。

經過逐一排查，數據分析師將原因鎖定在注冊流程上：產品經理在注冊環節添加了綁定信用卡的內容，導致用戶的注冊提交意愿大幅度下降，轉化率暴跌。

一個看似簡單的轉化率分析問題，它的背后是數據分析師各方面能力的體現：首先是技術層面，對ETL(數據抽取-轉換-載入)的理解和認識;其實是全局觀，對季節性、公司等層面的業務有清晰的了解;最后是專業度，對EDM業務的流程、設計等了如指掌。

練就數據分析的洪荒之力并非一朝一夕之功，而是在實踐中不斷成長和升華。一個優秀的數據分析師應該以價值為導向，放眼全局、立足業務、與人為善，用數據來驅動增長。