思维的重要性：what why how
what：结构化 公式化 业务化
- 结构化：抽丝剥茧 金字塔思维 论点 论据 MECE原则
- 公式化：数据量化 （+ - * /）
- 业务化：可操作性 业务方角度 究其原因 结果落地（现象 = 原因）
举例：
获取用户 = 主动流量 + 被动流量
主动流量（营销 活动 推广）= 曝光量 * 转化率
被动流量 （邀请 应用商店搜索）= 邀请人数 * 人均邀请量 * 人均转化率
思维技巧：
- 对比法：孤数不证
竞争对手对比
类别对比
特征和属性对比
时间同比环比
转化对比
- 象限法：维度划分 例： RFM模型
- 多维法：
缺陷：辛普森悖论 （在分组比较中都占优势的一方，会在总评中反而是失势的一方）
解决：钻取 （细分维度）
例： 用户属性：性别、年龄
用户行为：偏好、兴趣、流失
用户消费：金额、频率、品类
- 假设法：假设前提 明确参考 假设——验证——判断
假设的依据
案例一：
思考角度：
假设：活动有效
预期结果：用户购买增加
行为表现：点击 讨论 评论 增加
具体量化：转化率 反逆推活动参与人数
思考角度：外在表现：销售下降
前提假设：流量无变化 价格仅影响转换率
重点：转化率的计算 对用户分层 价格敏感度导向
- 指数法：目标函数
操作方式：线性加权 （+ *）
反比例法 （收敛至0～1） 例：忠诚度...
log法 例：时间随热度衰减...
- 漏斗法：流程化思考
如何锻炼数据分析思维：
- 好奇心 自问自答
- 多练习 预估——改进
本站文章版权归原作者及原出处所有 。内容为作者个人观点， 并不代表本站赞同其观点和对其真实性负责。本站是一个个人学习交流的平台，并不用于任何商业目的，如果有任何问题，请及时联系我们，我们将根据著作权人的要求，立即更正或者删除有关内容。本站拥有对此声明的最终解释权。
