数据分析10个构思
01 细分分析
细分分析是数据分析的基础，单1维度下的指标数据信息价值很低。
细分方法可以分为两类，1类是逐步分析，比如：来北京市的访客可分为朝阳，海淀等区；另1类是维度交叉，如：来自付费SEM的新访客。
细分用于解决所有问题。比如漏斗转化，实际上就是把转化过程按照步骤进行细分，流量渠道的分析和评估也需要大量的用到细分方法。
02 对比分析
对比分析主要是指将两个相互联系的指标数据进行比较，从数量上展示和阐明 研究对象的规模大小，水平高低，速度快慢等相对数值，通过相同维度下的指标对比，可以发现，找出业务在不同阶段的问题。
常见的对比方法包括：时间对比，空间对比，准则对比。
时间对比有3种：同比，环比，定基比。
例如：本周和上周进行对比就是环比；本月第1周和上月第1周对比就是同比；所有数据同今年的第1周对比则为定基比。通过3种方式，可以分析业务增长水平，速度等信息。
03 漏斗分析
转化漏斗分析是业务分析的基本模型，最常见的是把最终的转化设置为某种目标的实现，最典型的就是完成交易。但也可以是其他任何目标的实现，比如1次使用app的时间超过10分钟。
漏斗扶助我们解决两方面的问题：
在1个过程中是否发生泄漏，如果有泄漏，我们能在漏斗中看到，并且能够通过进1步的分析堵住这个泄漏点。
在1个过程中是否出现了其他不应该出现的过程，造成转化主进程收到损害。
04 同期群分析
同期群（cohort）分析在数据运营领域十分重要，互联网运营特殊需要仔细洞察留存情状。通过对性质完全1样的可对比群体的留存情状的比较，来分析哪些因素影响用户的留存。
同期群分析深受欢迎的重要原因是十分简单，但却十分直看。同期群只用简单的1个图表，直接描述了用户在1段时间周期（甚至是整个LTV）的留存或流失转变情状。
以前留存分析只要用户有回访即定义为留存，这会致使留存指标虚高。
05 聚类分析
聚类分析具有简单，直看的特征，网站分析中的聚类主要分为：用户，页面或内容，来源。
用户聚类主要体现为用户分群，用户标签法；页面聚类则主要是相似，相关页面分组法；来源聚类主要包括渠道，要害词等。
例如：在页面分析中，经常存在带参数的页面。比如：资讯详情页面，商品页面等，都属于同1类页面。简单的分析轻易造成跳出率，退出率等指标不正确的问题，通过聚类分析可以获取同类页面的正确数据用于分析场景。
06 AB测试
增长黑客的1个主要思想之1，是不要做1个大而全的东西，而是不断做出能够快速验证的小而精的东西。快速验证，那如何验证呢？主要方法就是AB测试。
比如：你发现漏斗转化中中间有漏洞，假设1定是商品价格问题致使了流失，你看到了问题-漏斗，也想出了主意-改变定价。但主意是否正确，要看真实的用户反应，于是摘用AB测试，1部分用户还是看到老价格，1部分用户看到新价格，若你的主意真的管用，新价格就应该有更好的转化，若真如此，新价格就应该确定下来，如此反复优化。
07 埋点分析
只有摘集了足够的基础数据，才能通过各种分析方法得到需要的分析结果。
通过分析用户行为，并细分为：浏览行为，轻度交互，重度交互，交易行为，对于浏览行为和轻度交互行为的点击按钮等事件，因其使用频繁，数据简单，摘用无埋点技术实现自助埋点，就可以以提高数据分析的实效性，需要的数据可立刻提取，又大量减少技术人员的工作量，需要摘集更丰盛信息的行为。
如：重度交互（注册，邀请好友等）和交易事件（加购物车，下订单等）则通过SDK批量埋点的方式来实施。
08 来源分析
流量红利消失，我们对获客来源的重视度极高，如何有效的标注用户来源，至关重要。
世代相传分析工具，渠道分析仅有单1维度，要深进分析不同渠道不同阶段效果，SEM付费搜索等来源渠道和用户所在地区进行交叉分析，得出不同区域的获客详尽信息，维度越细，分析结果也越有价值。09 用户分析
用户分析是互联网运营的核心，常用的分析方法包括：活跃分析，留存分析，用户分群，用户画像，用户细查等。
可将用户活跃细分为浏览活跃，互动活跃，交易活跃等，通过活跃行为的细分，把握要害行为指标；通过用户行为事件序列，用户属性进行分群，看察分群用户的访问，浏览，注册，互动，交易等行为，从而真正把握不同用户类型的特征，提供有针对性的产品和服务。
用户画像基于自动标签系统将用户完全的画像描绘清楚，更有力的支撑运营决策。
10 表单分析
填写表单是每个平台与用户交互的必备环节，优异的表单设计，对转化率的提升起到重要作用。
用户从进进表单页面之时起，就产生了微漏斗，从进进总人数到最终完成并成功提交表单人数，这个过程之中，有多少人开始填写表单，填写表单时，碰到了什么困难致使无法完成表单，都影响最终的转化效果。