¿Cuáles son los métodos para establecer el pensamiento de datos?

1. Análisis de tendencias de datos

En términos generales, el análisis de tendencias es adecuado para el seguimiento a largo plazo de los indicadores principales del producto, como la tasa de clics, el GMV, el número de usuarios activos, etc. Hacer un gráfico de tendencias de datos simple no es un análisis de tendencias. El análisis de tendencias requiere aclarar los cambios en los datos y analizar las causas de los cambios.

Para el análisis de tendencias, el mejor resultado es el ratio. A la hora de analizar las tendencias es necesario aclarar varios conceptos: mes a mes, año a año y ratio de base fija. Todo el mundo conoce las comparaciones mensuales y anuales. El índice de base fija se compara con un determinado punto base. Por ejemplo, se utiliza enero de 2019 como punto base y el índice de base fija se compara con febrero. 2010 y enero de 2019. Otro objetivo central del análisis de tendencias es explicar la tendencia en los puntos de inflexión obvios en la línea de tendencia, se debe dar una explicación razonable de lo sucedido, ya sea por razones externas o internas.

En el proceso de análisis de datos, hay muchos factores que afectan los indicadores, por lo que podemos examinarlos uno a uno desde diferentes dimensiones, como: canal, versión del producto, fuente, palabras clave, red, región. , IP, navegación del sistema Dispositivo y versión, etc.

2. Análisis comparativo de los datos

Al observar los cambios de tendencia de los datos de forma independiente, de hecho, en muchos casos no se puede explicar el problema, por ejemplo, si aumentan los beneficios de una empresa. en un 10%, no podemos juzgar esto. En cuanto a la calidad de una empresa, si otras empresas de la industria en la que se ubica la empresa generalmente tienen un crecimiento negativo, entonces un 5% es mucho si otras empresas de la industria crecen a un promedio de. 50%, entonces este es un dato muy pobre. El análisis comparativo consiste en dar a los datos aislados un sistema de referencia razonable, porque los datos aislados no tienen sentido.

Tomemos el test A/B como ejemplo. Lo más importante es que los grupos A/B solo mantienen una única variable y el resto de condiciones se mantienen consistentes. Por ejemplo: para probar el efecto de la revisión de la página de inicio, debe mantener la misma calidad de usuario de los grupos A/B, el tiempo en línea sigue siendo el mismo, los canales de origen son los mismos, etc. Sólo así se podrán obtener datos más convincentes.

3. Análisis de segmentación de datos

Cuando se obtienen algunas conclusiones preliminares, se necesita un mayor desglose, porque algunos datos clave se borrarán durante el uso de algunos detalles y cambios completos. en los propios indicadores también requieren un análisis de las razones de los cambios. La subdivisión aquí debe dividirse en múltiples dimensiones. Los métodos de división comunes incluyen:

Tiempo compartido: si hay cambios en los datos en diferentes períodos de tiempo.

Subcanal: si hay cambios en el tráfico de diferentes fuentes o productos.

Clasificación de usuarios: ¿Existe alguna diferencia entre los usuarios recién registrados y los usuarios antiguos, y si existe alguna diferencia entre los usuarios leales y los usuarios novatos?

Por región: si hay cambios en los datos en diferentes regiones.

División constitutiva: por ejemplo, una búsqueda se compone de términos de búsqueda y se pueden dividir diferentes términos de búsqueda.

El análisis de segmentación es un método muy importante solo haciendo más preguntas por qué. ¿Se puede llegar a una conclusión? La clave, y dividirla paso a paso, es el proceso de preguntar constantemente por qué.