1.象限法
適用于對分析對象的劃分。
確定指標，根據(jù)指標的高低，組合出不同類別。
2個指標，每個指標有高低之分，可得出4個類別。可視化后，就是二維坐標，每個類別分別落到四象限的一個象限里。
比如：
App根據(jù)使用頻度和垂直度，可劃分為4種類型。
高頻綜合，高頻垂直，低頻綜合，低頻垂直。
比如：
用價值度和流失度來劃分用戶類別。
可組合出4種類型用戶。
針對每種類型，實施不同的運營策略。
3個指標，則得出8個類別。可視化后，就是三維坐標，劃分出8個象限。
比如：
RFM模型。
R：最近一次消費
M：消費金額
F：消費頻率
組合出8種類別，每種類別對應一種用戶，對每種類別用戶實施不同運營策略。
象限法是策略驅(qū)動思維，對分析對象進行劃分后，每個類別的對象實施不同策略。
劃分依據(jù)，可根據(jù)中位數(shù)，平均數(shù)，或者經(jīng)驗（直接給出具體數(shù)值）。
適用于：戰(zhàn)略分析，產(chǎn)品分析，市場分析，客戶管理，用戶管理，商品管理等。
應用范圍的廣泛，說明可用于劃分的指標的多樣性。本質(zhì)還是根據(jù)不同指標的高低組合來分類對象。
2.多維法
象限法的進階。
因為象限法只有2和3兩種維度，但實際問題分析里，可能包括超過3種維度。
比如：
用戶統(tǒng)計維度：性別，年齡，出生地等
用戶行為維度：注冊用戶，用戶偏好，用戶興趣，用戶流失等
消費維度：消費金額，消費頻率，消費水平等
商品維度：商品品類，商品品牌，商品屬性等
多維法是精細驅(qū)動思維。
只要數(shù)據(jù)齊全且豐富，都可以應用。有點像建立Excel表格分析。每一行，都有多個列，每一列就是一個維度。
注意維度過多可能導致更多時間消耗。
對不同維度交叉分析時，注意辛普森悖論。
辛普森悖論：某個條件下兩組數(shù)據(jù)，分別討論時得出某種性質(zhì)，合并討論時，卻得出相反結論。
為什么會出現(xiàn)辛普森悖論？
如何規(guī)避辛普森悖論？
3.假設法
在沒有數(shù)據(jù)可參考的時候，可利用假設法來進行分析。
比如：
營銷活動后，銷量整體比上周上升20%，但因為統(tǒng)計失誤，沒有銷量明細數(shù)據(jù)。如何確定活動是否有效？即，驗證銷量的提升是否是營銷活動的結果。
分析：
假設活動是有效的。
銷售有不同方式，可能是搜索，可能是活動等。但都會產(chǎn)生評價。
如果活動促進用戶購買，對應的商品評論也可能提升。
統(tǒng)計平時的用戶購買與評論比率；根據(jù)新增評論數(shù)，可獲得新增購買人數(shù)；——增長率和20%比較
統(tǒng)計評論中出現(xiàn)的活動字眼，根據(jù)購買人數(shù)，計算活動轉化率。
商品提價后，收入是否產(chǎn)生變化？
分析：
假設提價后，銷量下跌。那么下跌多少？
銷量=流量*轉化率
假設流量不變，商品價格影響轉化率。現(xiàn)在確定轉化率的波動。
假設各個類型用戶對價格敏感度不同，將用戶根據(jù)RFM模型劃分。
每個類別的用戶，得出歷史轉化率；根據(jù)不同類別用戶對價格敏感度，依靠經(jīng)驗，確定價格上升后轉化率變化值，用+10%或者-10%表示。
計算不同類別用戶數(shù)量*變化的轉化率，最后相加得到整體的銷量變化。
假設法，本質(zhì)是一種啟發(fā)思考驅(qū)動思維。
更多是一種開拓思路的方式，根據(jù)假設，驗證，判斷，來得出結果。
在缺少數(shù)據(jù)的情況下，根據(jù)假設進行推斷，往往有奇效。
假設法，不僅僅是針對前提，也可以假設概率，比例。假設什么，有賴于對業(yè)務的熟悉，以及合理的邏輯推斷。
4.指數(shù)法
數(shù)據(jù)太多太雜，如何聚焦數(shù)據(jù)，有效使用數(shù)據(jù)？
將數(shù)據(jù)加工成指標。用指標聚焦數(shù)據(jù)，衡量業(yè)務效果。
加工方法：有線性加權，反比例，log。
線性加權，提升權重；反比例轉化為小數(shù)，之后可再加權轉化為某個范圍數(shù)值；log是縮小數(shù)值范圍。
指數(shù)法是目標驅(qū)動思維，能指導業(yè)務。
要注意的是，指數(shù)法沒有統(tǒng)一的標準，很多指標依賴于經(jīng)驗的加工，一旦設立指數(shù)，不宜頻繁變動。
比如：
知乎某個領域的活躍度計算。
活躍度=（發(fā)布內(nèi)容數(shù)+3*log（收到贊同數(shù)）+6*收到專業(yè)徽章數(shù)+10*被編輯推薦次數(shù)）* 10
log是以2為底。
5.二八法
二八法則：帕累托提出的，任何一組事物中，只有20%為重點，其余80%為次要點。
比如：
社會上20%的財富，掌握了世界上80%的財富。
即財富分布的不平均。
在數(shù)據(jù)里，20%的變量將直接產(chǎn)生80%的效果，數(shù)據(jù)分析更應該圍繞20%做文章。
持續(xù)關注topN的數(shù)據(jù)，是一個好習慣。不僅僅是數(shù)據(jù)分析，在很多行業(yè)都應關注頭部數(shù)據(jù)。
這給我們什么啟發(fā)？
雖然指標很多，但往往某些指標更有價值。
對指標，要確定關鍵指標，并關注關鍵指標。
要注意的是，數(shù)據(jù)分析也不能放棄全局，不然容易使思路變狹窄。
6.對比法
好的數(shù)據(jù)指標，一定是比率或比例；好的數(shù)據(jù)分析，一定會用到對比。
單純的數(shù)據(jù)量，不能僅僅依靠直觀感受，直接論斷效果好壞，價值高低。
一線城市月入1w和三線城市月入1w是兩種概念。還要考慮城市人均消費，每月存儲。
身高上，女生的170和男生的170完全不是一個概念。應該和地區(qū)平均身高比較。
孤數(shù)不證，沒有比較就沒有結論。
節(jié)日大促，女生消費占比從60%提高到70%。能證明女生節(jié)日愛消費嗎？
可能存在這種情況，節(jié)日大促，整體的消費額是降低的。
比如消費額從原來的60/100w，變成56/80w。實際絕對消費額度降低了。
女生消費占比提高，可能是男生跑去競爭對手那了。
對比法，都有哪些維度的對比？
競爭對手對比，類別對比，特征和屬性對比，時間同比環(huán)比，轉化對比，前后變化對比等。
同比與環(huán)比
環(huán)比：是連續(xù)2個單位周期內(nèi)的量的變化比。
同比：是一個單位周期內(nèi)和另一個更大周期的同一個段周期內(nèi)的變化比。
環(huán)比只有一個，同比則因參照量（另一個更大周期）不同而不同，有多個。
例如我今天（12.25日，星期日）步數(shù)是1000步，昨日800步，則環(huán)比為 1000/800=1.25；
同比有多個，例如上周日為700步，上月25日900步，則上周同比為1000/700，上月同比為1000/900。
有人遇到上月同比和上周同比時，把上周同比當成環(huán)比來理解了。
記住一個重點，環(huán)比是連續(xù)（無任何時間間隔）周期內(nèi)變化。
具體例子：
同比：2010-12/2009-12；year over year，年比較，比去年增長；同一位置的比值。
環(huán)比：2010-12/2010-11；month over month，月比較，比上月增長；一環(huán)接一環(huán)。
對比法是一種挖掘數(shù)據(jù)規(guī)律的思考方式。
對比法可以與任何思維技巧結合，比如多維對比，象限對比，假設對比等。
每次數(shù)據(jù)分析，都要利用到多次多種角度的對比。
不然會得出狹隘片面的結論。
7.漏斗法
一種流程化思考方式，在考慮變化和流程時，都可以使用。
單一的漏斗分析沒有用，轉化率20%并不能說明什么，要結合其它分析思維。比如多維，對比。
比較不同流程的轉化率，比較不同維度的轉化率。
