数据分析方法与模型

简介: 数据分析方法与模型

本文来源,为接地气的陈老师的知识星球,以及付同学的观看笔记。


1 数据分析


分析方法,即从数据中得出有业务意义的结论。


1.1 占比分析

通过各品类在总体中所占的百分比获取信息

如,核心指标是直播间数量的分析:

d48b984da23567b21db22473269797d5_9b8f83da1bc34582bdad3041324d9d32.png


从占比可以看出,个人管理类的直播间最受欢迎,其中创业商业类最受关注。职业教育占比极少,是一个蓝海。


1.2 趋势分析

通过观察事物的发展趋势,可以推理出产生此现象的原因、给出解决方案等。

如,全年的直播观看次数变化趋势:

8475927cfea52678dc7142948c67d572_bb43b1ec359d46cc889d8ae8a4bed385.png


一月份总体观看人数最少,其原因是年底直播的人数较少,中后期有一个大幅度的下滑是在过年期间。一月底到二月初,由于线上复工,直播数量增多,直播观看次数也陡增。二月、三月期间,由于一部分不喜欢看直播或者一部分人喜欢上了看直播,所以变化的浮动比较大。清明公祭期间全面禁娱,因此观看人数为零。到后期之后,直播间数量及观看人数趋于稳定。


1.3 对比分析

跟自己比:同比、环比

跟其他比:在整个行业中的市场份额、与竞对方对比优劣

24889aa96c16af539b2662076a48bc0c_d99cf896623c464b9b80056871f275bb.png


个人管理类门槛较低,因此数量最多,竞争力也最大,导致增长率不高。职业教育类门槛较高,因此数量最少,但是增长率是最高的。


1.4 象限分析

分群策略:用两个以上核心指标将业务对象按照象限划分

如,直播间观看次数与时长:

f5a6ec2d0947bc458330cee46deccf3f_fb94b3ee46b14d41ab76484d3f067e87.png


以整体平均为坐标原点,第一象限中观看的时长更长、观看次数更多、观看人数更多,第三象限中观看的时长较少、观看的次数较少、观看的人数较少,第二、四象限中没有数据。观看时长与观看次数大致是呈正比关系。第一象限中的品类时长更长,由此可见,这些品类的体系较为完整,观看时长提升了,观看次数和观看人数自然会增多。相反,第三象限中的品类时长较少,相应地,观看次数与人数自然会更少。

在提出解决方案时可对其进行更细粒度的展开,找出每个品类的更细品类(二级品类),通过分析二级品类的观看次数与直播间数的现象分析,找出用户的兴趣偏好与需求,可以适当砍掉直播间数多但是观看次数少的直播间,适当增加观看次数多但是直播间数量少的直播间。


1.5 排名分析

类似二八定律,及百分之八十的财富由百分之二十的人创造。运用到数据分析中,可以观察排名数据的帕累托图,长尾效应越明显,则该数据越是不健康,说明资源不平均,面对的风险越大。


1.6 维度分析

维度作为趋势、对比、占比等分析的关键因子,其粒度越小,越能找出问题的关键所在,越容易找出解决问题的方案。

如,常见业务的维度:

一级品类:职业、兴趣等

二级品类:职业可分哪些,兴趣又可分为哪些

常见的指标:

TGI指数(Target Group Index) = (目标群体中具有某一特征的群体所占比例 / 总体中具有相同特征的群体所占比例) * 100

7d187e5a7a1b7374e898e4b944e12d37_3cf18bd4b4f04260a74a4eece544291d.png


意义:100代表平均水平,高于100,代表该类用户对某类问题的关注程度高于整体水平。


2 分析模型


2.1 费米问题-大致估算

面试中的常见开放问题,比如北京有多少加油站,需要做到有理有据,有大致的参数和估算方法。

前提要具备基本的数据常识,如面积、人口数、物价等

根据供需关系可以解决80%的费米问题,此外,还可以考虑空间关系、收入关系、时间关系。

从供需关系入手:假设加油站满足需求,从人口数推出车辆数,再由加油时长、加油站工作时间、平均站桩、油桩利用率可推出加油站的供给能力,由车辆和加油频率算出加油站每天的需求,最后可得出加油站数。(也涉及时间关系)

cb46a908bc0fb958f93d91e003a21d07_b1f7a9eba15b4e009953a80c8955674e.png


从空间关系进行分析:

a16decb91fc12025dabfa95ad7311975_0b72adbed1ab48a08c8b4e2d84a5c30a.png


从收入关系进行分析:

e0948ba310cc5435d0d9596a1db04eb4_f86595f0e0544d688c9a3d67ad34e6ea.png


2.2 七问分析法-思考角度的拓展

面试中常见的开放题,对应问题:要如何做?

七问(5w2h):

what:是什么,目的是什么

why:为什么,为什么要这样做,原因是什么,造成这样的结果为什么

when:何时,什么时间完成,什么时机最合适

where:何处,在哪里做,从哪入手

who:谁,由谁来承担,谁来完成,谁负责

how:怎么做,如何提高效率,如何实施,方法怎样

how much:多少,做到什么程度,数量如何,质量水平怎么样,费用产出如何

案例:


你们现在准备一个电动汽车上市的推广策划,预算是20w,一个月的时间准备,你会怎样规划?(面试时注意有效的合理沟通提问)

1.信息较少时可以向面试官提问

汽车定价(20w)、产品定位、产品特色(更节能经济)、技术(续航更久、充电更快)、外观、目标用户画像(工作了3-5年的1、2线白领,男性居多,有3台车可在推广时使用)

2.使用5w2h进行问题拆解

what主题内容:电动、环保

why活动目的:拓展年轻群体对电动汽车的认知,培养种子用户

who人员:内部:根据内部人员情况,做好工作分配安排;合作方:提前联系并确认好供应商、合作媒体、宣传资源

when活动时间:配合上市时间,推广时间在上市前两周,为上市做好预热

where渠道:制作宣传视频并投放,与商场合作开设试驾点,后期宣传

how方式:对工作进行细化

how much:分配预算


2.3 互联网通用模型AARRR、八角分析法

2.3.1 AARRR

分析用户如何增长?如何提高留存?如何分析一个APP?

AARRR模型:

73ea97f8b0ead206c6c0a25dd0ba9850_96f4ee2459fc4f7396207082bbe5ba14.png


2.3.2 游戏化用户增长策略-八角模型

使命:赋予用户游戏的使命与意义(蚂蚁森林)。

成就:达成某个规则后获得物质(证书)。

创造:英雄联盟100多个英雄角色。

所有权:线上种树种出的果实可以寄给你(拼多多种树)。

社交:用户在游戏中找到圈子。

未知与好奇:盲盒、抢红包。

亏损:给用户不来就亏了的感觉(拼多多砍一刀)。

稀缺:限定

拼多多的砍一刀是典型的八角模型。

相关文章
|
18天前
|
SQL 自然语言处理 数据挖掘
大模型与数据分析:探索Text-to-SQL(上)
大模型与数据分析:探索Text-to-SQL(上)
61 0
|
18天前
|
SQL 自然语言处理 数据挖掘
大模型与数据分析:探索Text-to-SQL(中)
大模型与数据分析:探索Text-to-SQL(中)
53 0
|
18天前
|
SQL 存储 数据挖掘
大模型与数据分析:探索Text-to-SQL(下)
大模型与数据分析:探索Text-to-SQL(下)
44 3
|
2月前
|
数据可视化 数据挖掘 数据管理
问卷调查数据分析指南!掌握方法,精准把握用户需求!
本文介绍了如何利用自定义报表、交叉报表和过滤器进行问卷调查数据分析。文章首先区分了定量和定性数据,强调了定量数据在分析中的重要性,并列举了客户体验(CSAT、CES、NPS)和市场调研的关键指标。接着,提到了定性数据分析方法,如情感分析和词云图。文章还讨论了自定义报表、交叉报表和过滤器在数据筛选和相关性探索中的作用,以及收集器在多源数据收集上的应用。最后,强调了仪表板在数据可视化和比较中的优势,并推荐了Zoho Survey作为综合的数据管理平台。
55 0
问卷调查数据分析指南!掌握方法,精准把握用户需求!
|
2月前
|
数据可视化 数据挖掘 Linux
Python数据分析(四)——plot方法
Python数据分析(四)——plot方法
|
3月前
|
搜索推荐 数据挖掘 C++
数据分析方法-对比分析和用户画像
数据分析方法-对比分析和用户画像
77 1
数据分析方法-对比分析和用户画像
|
4月前
|
机器学习/深度学习 存储 人工智能
TableAgent数据分析智能体——数据分析师的大模型
TableAgent数据分析智能体——数据分析师的大模型
|
4月前
|
机器学习/深度学习 数据采集 存储
基于振弦采集仪的工程监测数据分析方法研究
基于振弦采集仪的工程监测数据分析方法研究主要涉及以下几个方面:
基于振弦采集仪的工程监测数据分析方法研究
|
5月前
|
机器学习/深度学习 数据采集 运维
重要的数据分析方法:时间序列分析
重要的数据分析方法:时间序列分析
112 1
重要的数据分析方法:时间序列分析
|
5月前
|
资源调度 自然语言处理 数据可视化
【数据分析与可视化】Matplotlib中十大绘图模型的讲解及实现(图文解释 附源码)
【数据分析与可视化】Matplotlib中十大绘图模型的讲解及实现(图文解释 附源码)
67 1