统计思维 | 掌握常用的统计学指标和六大分析方法

统计思维 | 掌握常用的统计学指标和六大分析方法

在数据分析领域，掌握常用的统计学指标和分析方法是数据分析师的基本功。本文将详细介绍常用的统计学指标以及六种常用的数据分析方法，帮助读者更好地理解和应用这些工具。

常用的统计学指标

数据集合包括无序数据集、有序数据集两种类型，对于不同类型的数据集，对应着不同类型的统计指标。下表整理了不同类型数据对应的统计指标以及EXCEL函数和SQL函数。

基础数据分析

一、对比分析

对比分析是数据分析中最常用的方法之一，通过对比不同时间、不同群体或不同维度的数据，发现差异和趋势。

二、结构分析

不同的构成成分又不一样的增长速度、成本、管理难易程度，分析业务构成有利于抓住重点、差异化运营、达成KPI目标。

• 同一事物可以从多个角度分析结构，需要根据分析目标选择合适的结构拆分维度
• 需要多层下钻的时候，拆分先后顺序很重要
  结构分析不止看结构，也要看关心的指标在拆分后的表现。

三、同期群分析

同期群分析(Cohort Analysis，亦称群组分析的主要目的是分析相似群体随时间的变化（比如用户的回访）。

时期、群体交叉，得到同期群分析，如各年的新客，在后续各年的小手工线，可以用于预测后续年份的销售趋势。

所谓同期群分析，也就是将用户按初始行为的发生时间进行划分为群组（即同期群），然后：
2.
对处于相同生命周期阶段的用户进行垂直分析（横向比较），从而比较得出相似群体随时间的变化（图中例子表明：从初始行为开始，留存的用户在逐渐降低）。
4.
通过比较不同的同期群，可以从总体上看到，应用的表现是否越来越好了。从而验证产品改进是否取得了效果。

用户留存分析是将用户的留存行为分为：

• 初始行为：如“首次使用App”、“成功注册”或“第一次产生购买行为”等；
• 留存行为：可以是用户的任何行为，如产生购买、使用App、分享等；
  通过将用户按初始行为的发生时间分组（得到同期群），然后再统计初始行为时间后不同时段内留存行为的发生频次（或其他有意义的计量，比如消费金额）。

四、漏斗分析、路径分析

漏斗，简单来讲，就是抽象网站或APP中的某个流程，观察流程中每一步的转化与流失。对目标的过程要素进行定义，包括阶段划分、阶段升迁标志、阶段升迁率、平均阶段耗时、阶段任务等，形成目标路径，分析升迁路径各阶段的机会和障碍，优化产品，促进目标达成。常见于流量产品分析。

漏斗的三元素

根据漏斗的定义，我们可以抽象出漏斗的三元素：

• 时间
• 节点
• 流量

时间

这里的时间，特指漏斗的转化周期，即为完成每一层漏斗所需时间的集合。通常来讲，一个漏斗的转化周期越短越好，尤其是在某些转化周期较长的行业，比如：在线教育行业，B2B电商行业。

此外，单独查看每一层漏斗的时间，也能发现一些问题。举例来说，如果发现从某个渠道导入的流量，在某层漏斗的消耗时间惊人的一致，这说明该渠道的流量很可能有异常。

节点

每一层漏斗，就是一个节点。而对于节点来说，最核心的指标就是转化率，公式如下：

转化率 = 通过该层的流量/到达该层的流量

整个漏斗的转化率以及每一层的转化率，可以帮助我们明确优化的方向：找到转化率低的节点，想办法提升它。

流量

流量，也就是人群。不同人群在同一个漏斗下的表现情况一定是不一样的，比如淘宝的购物漏斗，男人和女人的转化率不一样，年轻人和老人的转化率也不一样。

通过人群分类，我们可以快速查看特定人群的转化率，更能清晰定位问题。

例如，一家电商网站，从浏览宝贝详情到付款的转化率仅有3.6%。通过创建购买流程的漏斗，分析购买的转化率过低的原因。

五、聚类分析

聚类分析是根据事物的特征进行归类，以便根据特征去做管理、决策。目的是提升效率、降低成本。换句话说就是将很小的单位聚成几类，所关注的对象量级减少。

前提：特征是用于业务。

人群的特征千千万，单业务也有自己的形态，例如线下的业务不适合用消费者线上行为作为聚类特征。

六、相关分析

相关性是指两个或多个变量之间，它们的波动变化具有一定的一致性。通过这种波动一致性的分析，可以研究变量之间的关联，相关性是最简单的二元组。

有相关性并不代表有因果关系，相关性需要柱以及核问题：相关性大小、在什么范围相关、可以揭示的相关性。