数据分析方法

标准流程六步。第一步定义问题，把业务问题转成可量化的问题（为什么 3 月转化率下降）。第二步拆解假设，用指标树列出可能原因（流量结构、页面性能、价格、竞品）。 第三步采集与清洗数据，检查口径、缺失与异常值。第四步分析验证，通过分组对比、趋势、漏斗逐个检验假设。第五步得出结论，区分相关与因果，量化每个因素的影响占比。 第六步推动行动，输出建议、跟进落地并用数据验证效果。贯穿的原则是先想清楚要回答什么问题再取数，避免拿着数据找结论。

漏斗分析把用户按流程步骤（浏览、加购、下单、支付）统计每步人数与转化率，找出流失最严重的环节。 它能发现三类问题：一是单点瓶颈，如支付页转化骤降，定位到具体页面；二是流程设计问题，步骤过多导致整体转化低；三是结构性差异，分渠道对比发现某渠道用户在注册步流失远高于均值。 实操要点：步骤定义要基于事件去重（用户当日多次进入只算一次）；漏斗窗口要设合理（下单到支付给 24 小时）；对比维度选渠道、新老、版本。 进阶用法是结合细分下钻，把全局漏斗拆成子群体漏斗找异常。

典型形态有三种。一是快速衰减后趋平，出现稳定的留存平台期，说明产品有稳定价值人群，平台高度代表长期价值，这是健康产品的目标形态。 二是一直衰减不趋平，说明没有形成持续价值，用户用完即走，要检讨核心价值假设或激活环节。三是前期异常高后断崖，可能是新客礼包或任务补贴拉起来的虚假活跃。 分析动作：按同期群分批次对比曲线，看产品改版是否抬高了平台期；用魔法数字分析找出高留存用户的早期行为特征（如首周完成 3 次收藏）。 面试时能讲同期群对比是关键加分点。

RFM 用三个维度刻画用户价值：Recency 最近一次消费时间、Frequency 消费频次、Monetary 消费金额。每个维度按业务阈值（常用分位数）分高低两档，组合成 8 类用户。 例如高 R 高 F 高 M 是重要价值用户，重点维护与专属权益；低 R 高 F 高 M 是重要挽留用户，最近流失要重点召回；高 R 低 F 低 M 是新用户，做首购转化与习惯养成。 实施步骤：取近 90 天订单，按用户聚合算三个指标，用中位数或业务阈值打标，组合分层并匹配运营策略，验证各层转化差异。 注意阈值要按业务周期校准，低频行业 R 的窗口要放宽。

相关性指两个变量同向或反向变化，因果性指一个变量的变化直接导致另一个变化。相关不蕴涵因果，可能存在第三变量（夏天溺水与冰淇淋销量都升高，共同原因是气温）、反向因果或纯巧合。 分析中的处理方法：一是控制变量，分层对比消除混杂因素，如分渠道看价格与销量的关系；二是时间先后，原因必须发生在结果之前；三是随机实验，A/B 测试是验证因果的黄金标准，把用户随机分组消除选择偏差。 例如推送点击率高的用户留存也高，不能说推送提升留存，可能是活跃用户本来就两者都高，需要实验验证。