公众号：龙国富，人因工程硕士。致力于终身学习和自我提升，分享用户研究、客户体验、服务科学等领域资讯，观点和个人见解。

前面《数据分析之前知道这 7 件事，少花 80% 时间》讲了在数据分析之前需要知道的事，在进入数据分析阶段，笔者总结整理了一些好用易上手的分析方法，让你事半功倍。

以下，Enjoy~

通过本文，你可以了解：

1、数据分析的金字塔模型

2、7 种数据分析的方法

3、4 种统计数值掌握数据特性

4、2 个叙述统计的陷阱

5、5 种数据比较的方法

6、数据比较的陷阱

7、相关关系与因果关系

8、利用 A/B 测试，确认因果关系

1.数据分析的金字塔模型

数据分析从难易程度区分大致可以划分为 5 个层级，覆盖了数据整理、统计、机器学习的过程，数据分析后的决策环节不在本次讨论的范围。

5 个层级分别包括了：量化现况、量化变数之间的相关性、量化变数之间的因果关系、预测未来和求最佳解。

Q1：SaaS 销售人员拜访新客户次数的走势如何？

比如层级 1，需要解的问题是量化现况。可以使用“叙述统计”、“数据可视化”等方法，把数据通过图表的方式表现出来，从中观察图表的数量、频次、波动、分布等等，这个层级主要是依赖可视化后的观察得以实现。

Q2：SaaS 销售人员拜访新客户的次数，跟营业额有相关吗？Q3：市场部增加广告投放量，就能得到更多订单吗？

像层级 2、3 中探索数据的相关和因果关系，是需要藉由数据观察后，再进行二次推论，属于数据挖掘。

Q4：SaaS 产品经理追踪哪些数据，才能知道用户下个月会不会取消订阅？Q5：CEO 该如何分配员工开发新客户，才能让营收最大化？

而层级 4、5 则是希望通过已有数据的样本，去预估未来数据的可能性/概率、最佳解或近似解，属于数据探索。

对于不同层级，需要面对的问题也不一样，可以层层递进，由易到难，逐一选择数据分析需要解的问题。在进入数据分析阶段，具备数据分析的层级结构认知尤为重要，这决定了你能够在对的时机做对的事情。

2.7 种常见数据分析方法

2.1 总量分析

用于描述某个母群（population，指你想了解的集合体，可能是顾客或产品）或某个市场区隔，或者比较两个市场区隔的差异，是最常用、最简单的分析方法。

Q：哪些人会在酒庄办婚礼呢？

查阅过往 3 年、300 位顾客的预约记录→分析性别、年龄、户籍地址→ 85% 女性、平均年龄 33 岁、60% 是当地人→如何针对这群人沟通、拓展业务？

2.2 相关分析

观察 2 件或多件事情间的关系，期望能用一个因素解释或驱动另一个因素。

Q：为什么推出某个功能后，转化率会下降？

假设 1：转化率跟浏览器有关。

假设 2：转化率跟有无网络信标（web bug）有关。

结论：

* Chrome 浏览器如果有网络信标，会造成转化率下降 13%。

* Chrome 浏览器造成转化率下降 20%。

* 60% 的转化率下降仍然无法解释。

注：网络信标（web bug）是一个放在网页或电子邮件上的文件对象，用于监测用户的行为。

2.3 趋势分析

分析一段时期内的趋势，常用于检视一段时间内的销售绩效或营业成长率，目标是找出中断的节点，并指出那段时期内受影响的原因。

Q：营收增长，但成长率却下降，原因出在哪？

步骤 1，观察一段时间内的趋势。

步骤 2，加入各产品、各渠道的营收和成长率。

🔎观察结果→ S 成长率不断下降、M 的站外成长率却在上升。

步骤 3，量化影响。

🔎观察结果→ S 占营收成长率下降的 84%，必须集中心力采取行动。

2.4 规模估计

在缺乏历史的情况下，以结构化的方法估算。通常用于进军新市场的企划，或是要了解未上市产品的销售潜力。

Q：想在广东某城市推广小学夏令营产品，怎么估算市场规模？

步骤 1，分层。将问题切割，找出可能不同的市场区隔。

市区和郊区的小学密度可能不同

步骤 2，设计方程式。确定哪些数值和因素可能影响正在估算的规模数值。

城市、人口和财富可能影响小学的数量小学数量 = 城市数量x每座城市的人口数x每群人口的学校数量x财富因数（市区和郊区的财富对比）

步骤 3，计算方程式。对方程式里的数值进行假设。

市区人口=50K，郊区人口=10K。每10K人有1所学校，市区的财富是郊区的2倍。市区小学估计值：20x50000x1/10000=200郊区小学估计值：20x10000x1/10000=20约有220所小学

2.5 预测分析

分析目前和过去的事实数据，来预测未来的事件或行为，最常使用的统计技术是回归和分类。

Q：结账的转化率变低了，为什么？

利用逻辑回归建立模型（特别的回归形式，适用于因变数是二元性质，“有或没有”，此案例考量即为有转化或没转化）

因变数：想要预测的目标，如转化率。

自变数：指可能和因变数有关系，或是没有关系的一些未知数，由所提出的假设决定，如蓝色按钮、横幅广告等。

2.6 市场区隔

区隔顾客或产品成有意义的群组，通常是为了锁定目标，透过量身打造的方式，让该目标群体产生更高的价值。

Q：哪些客户只想折扣？哪些客户想要第一手信息？

用 RFM 模型为顾客分组。

2.7 顾客生命周期分析

观察消费者的购买流程，以确定某一群顾客正处于哪个阶段，以及怎么将他们推向下一个阶段。

Q：怎么让使用者成为重度玩家？

同类群组分析 → 客户存活的天数过短，就必须加强使用者体验；若新客户人数逐渐减少，则必须加强广告或增加促销活动。

3. 4 种统计数值掌握数据特性

手上有一群数据的时候，要快速掌握数据的特征，可以从“平均数”、“中位数”、“众数”和“标准差”下手。

Q：这是公司全体员工职业 IT 素养程度报告，身为公司数字化转型的负责人，该如何利用它拟定教育训练策略？

* 整体实力中等，满分 10 分，拿到平均成绩为 5.8 分。

* 组织实力分布不均，中位数低于平均数，表示能力落后的成员较多，应依能力设计不同的课程，或由能力佳者带领落后者学习。

员工职业 IT 素养程度表

4. 2 个叙述统计的陷阱

叙述统计虽然能够帮助我们掌握数据的特征，快速产生观点，但在应用平均数、百分比推导结论时，要留意陷阱。

4.1 平均数陷阱

平均分提高了 1.2 分，表现优异。

平均数虽然提高了，但标准差只缩小 0.6 分，代表组织内程度差距未缩小，可能是有 IT 背景者进步幅度大，拉高了平均分。

4.2 百分比陷阱

近 3 年员工职业 IT 素养的成绩持平，2021 年成绩跟 2019 年一样。

不要用百分比去推算分数是否成长，因为每年的基期不一样，所以增长或减少的数值会不同。下表所示，2021 年成绩比 2019 年少了 0.71 分。

5. 5 种数据比较的方式

「比较」是让数据产生意义的有效方式，但怎么比、跟谁比？我整理了 5 种比较方式，以拿到某品牌挂耳咖啡的销售数据为例。

5.1 差距比较：分析对象和比较对象的差异

Q：某公司挂耳咖啡包全年营收 3 亿在市场上的表现如何？跟竞争对手的差距为何？

步骤 1，选择比较对象，同类性质互比。

步骤 2，设定比较基准值，绘制条形图。

A：挂耳咖啡包为 A 公司主力商品，虽然 A 公司在咖啡包全年收入上超越我们，但比起 A 公司，我们具有多项产品同步发展的优势。

5.2 趋势比较：分析一段时期内市场、营收、产品的走势

Q：某公司挂耳咖啡包 2021 年营收 3 亿，跟前几年比有成长吗？成长了多少呢？

步骤 1，搜集近 10 年公司咖啡包营收数据，绘制折线图。

步骤 2，观察曲线走向，根据转折点、异常值推测变化的原因。

A：跟 2020 年比没有成长太多，但与 2012 年相比营收成长了 10 倍，显然贩售联名商品有效果。

5.3 指数分析：利用总体市场数据，判断品牌的目标对象

Q：某公司挂耳咖啡包在市场上哪个年龄层最有优势？

步骤 1，搜集比较对象的人口分布比例。

步骤 2，计算指数数值。当指数小于 95，代表在该年龄层为相对少数，指数大于 105 代表在该年龄层为相对多数。

A：咖啡包在 25~44 岁的客群中有竞争优势，45 岁以上的客群还需要经营。

5.4 异质比较：分析数据的结构是否明确偏向或集中某处

Q：假设挂耳咖啡包月度营收为 250 万，跟公司的其他产品相比表现算好吗？

步骤 1，将所有产品月度营收分布由大至小排列，并记录区间次数。

步骤 2，绘制直方图，注意分散的程度、峰值数量。

图 1：一个峰值位于中间、图偏向「钟型曲线」，代表数据为常态分布，产品的营收平均值与中位数较不受异常值影响，分布比较平均。

图 2：有 2 个峰值，平均数、中位数受异常值影响，数据分布不平均。

A：产品月度营收分布如图 1 所示，代表产品的月度营收分布平均，集中在 151~200 万区间，咖啡包收入 250 万高于平均，表现不错。

5.5 变数分析：比较多个事件的关系，希望找到其中一个事件能去解释另外一个事件

Q：网络广告费用的多少，是否影响挂耳咖啡包的销售额？

步骤 1，利用 Excel 的 CORREL 函数计算广告投入费、销售额的相关系数，系数越接近 1，代表广告费投入与销售额呈正相关；系数越接近 -1，则表示两者为负相关。

步骤 2，将数据绘制成分布图。

A：广告投入费用与产品销售额呈正相关，代表投广告的行销策略有效，下次退出新品时可参考此策略。

6. 数据比较的陷阱

Q：患者死亡率是评估医疗品质的指标之一，试试从下表评判，A、B 医院，哪间医疗品质更好？

⚠️ 无法评判。参考表 1 时，B 医院平均死亡率比 A 更低，B 医院表现比 A 更好；但表 2 加入「轻重症死亡人数」变项时，A 医院无论在轻症、重症死亡率都比 B 更好，为什么会这样？

原因：因为 A 医院的重症人数是 B 的 3 倍以上，导致平均死亡率被拉升，只要 A、B 医院轻重症患者比例相同，就不会有类似的问题。这个案例被称为「辛普森悖论」现象，也就是当某项统计变项为搜集到（此例为轻重症人数比例），造成统计结果逆转的现象。

避免方式：

1.比较对象程度一致：医院不跟诊所比。

2.依分析目的决定数据分析方法：整体状况适用平均数分析；群体内比较则搜集更多统计变项的数据。

7. 相关关系与因果关系

Q：许多世界知名的领导者都爱好运动，前美国总统奥巴马从小打篮球、youtube 总裁沃西基擅长冰球。所以我们可以推测，「擅长运动的孩子，学习力更好」？

运动与学习力之间应为相关关系而非因果关系，两者之间可能存在着第三变数，也就是家长对教育的重视程度。

* 培养运动能力，未必能提升学习力~

* 运动能力→学习能力→家长对教育的重视程度

* 重视教育的家长，会引导孩子学习，所以他们的成绩比较出色~

* 重视教育的家长，会注意孩子的饮食均衡，导致体力变好~

X 导致 Y 或 Y 导致 X，其实存在另一个变数 Z，是 Z 导致 X 和 Y。举例来说，冰淇淋的销售量会随着穿短裤的人数增加而增加，不是「越多人穿短裤」导致「越多人买冰淇淋」，而是两种发生的共同原因是「夏天气温较高」。

如果混淆了因果和相关，比方广告预算越多，销售额越高，容易导致做出错误的商业决策。所以，较谨慎的做法是进行随机对照实验（RCT，Randomized Controlled Trial），或者称 A/B 测试（A/B Testting），就是把受试者随机分为两组，两组只有一个变数不同，如果导致不同结果，便可以称该变数导致某结果，或变数和结果有因果关系。

8. 利用 A/B 测试，确认因果关系

南美国总统奥巴马的竞选团队，便是利用 RCT 测试哪一种首页的注册率最高。结果相比原本想选择「影片」和「望向远方的独照」，最后经对实验选择「奥巴马全家福」的方案让注册人数多了 288 万人，并多募得 6000 万美元的政治献金。

如果环境不允许，或是没有资源做随机对照实验，《数据分析的力量》建议用「自然实验(natural experience)」替代，就是进行一系列假设、验证，厘清因果关系。

举例来说，想知道改变自付额，对医疗服务使用频率的影响。可以先假设「如果自付额会影响医疗服务的使用，70 岁以上的人，应该会比 70 岁以下的人，更常使用」，因为日本法令规范，70 岁开始，自付额由 3 成降为 1 成。

查询公开数据后发现，随着年龄愈大，医疗服务的使用者也愈多。但到了 70 岁，原本缓慢上升的曲线突然大跳跃！

这个「断层」代表有变数发生，而 69~70 岁比较普遍的改变，就是自付额的高低。自付额和医疗服务的使用频率有因果关系得到了验证。

公众号：龙国富，人因工程硕士。致力于终身学习和自我提升，分享用户研究、客户体验、服务科学等领域资讯，观点和个人见解。