一般的に使用されるデータ分析手法

一般的に使用されるデータ分析方法は次のとおりです: 1. 比較分析方法; 2. グループ分析方法; 3. 構造分析方法; 4. リテンション分析方法; 5. クロス分析方法; 6. ファネル分析方法; 7 、マトリクス分析手法; 8.クワドラント分析手法; 9.トレンド分析手法; 10.インデックス分析手法; 11.総合評価分析手法。 「比較分析手法」とは、データを比較してデータ間の差異を分析する手法であり、静的比較と動的比較があります。

1. 比較分析手法

は、静的比較と動的比較を含む、データを比較してデータ間の差異を分析する比較分析手法です。比較する。静的比較は水平比較とも呼ばれ、異なる指標を同時に比較します。動的比較は垂直比較とも呼ばれ、同じ全体的な条件下で異なる期間の指標値を比較します。その目的は、データによって表される物事の発展、変化、規則性を明らかにすることです。

水平比較：水平比較とは自分との比較です。目標を達成したかどうかを回答するには、最も一般的なデータ指標を目標値と比較する必要があります。また、先月と比較して、北部地域でどれだけ成長したかを回答する必要があります。

垂直比較：簡単に言うと他人と比較することです。市場における当社のシェアと地位に関する質問に答えるには、競合他社と比較する必要があります。

2. グループ分析方法

コントラスト法と組み合わせて、母集団内の異なる性質のオブジェクトを分離し、それらを比較して、固有のデータ関係を理解し​​ます。

3. 構造分析手法

割合分析とも呼ばれ、全体に占める各成分の割合や構成の変化を分析し、物事の特徴や変化の傾向を把握します。 。

4. リテンション分析手法

リテンション分析手法は、ユーザーの参加や活動レベルを分析するための分析モデルであり、最初の行動を行ったユーザーがその後のアクションをどれだけ行うかを調査します。 。ユーザーの観点から見ると、維持率が高いほど、製品はユーザーの核となるニーズをよりよく把握しており、より多くのアクティブなユーザーが製品に変換され、最終的には企業に役立ちます。

たとえば、さまざまな期間でのユーザー維持状況を観察し、その後のさまざまなチャネル、アクティビティ、主要な行動にわたるユーザーの維持変化を比較して、ユーザー維持率を向上させる影響要因を発見できます。クーポンを受け取ったユーザーの維持率は、クーポンを受け取っていないユーザーよりも高いですか?

5. クロス分析手法

は、変数間の相関関係を分析するためによく使用される3次元分析手法です。異次元のデータを横断的に表示し、多角的に複合的に分析する手法。

比較分析には、水平比較と垂直比較の両方が含まれます。水平方向と垂直方向の両方を比較したい場合は、クロス分析方法があります。クロス分析手法とは、多次元のデータを横断的に提示し、多角的に組み合わせて分析する手法です。アプリデータを分析する場合、通常は iOS と Android に分けられます。クロス分析の主な機能は、複数のディメンションからデータをセグメント化し、最も関連性の高いディメンションを見つけて、データ変化の理由を調査することです。

6. ファネル分析手法

比較分析手法とグループ分析手法を組み合わせることで、同じリンクの最適化前後の効果、異なるユーザー グループのコンバージョン率、コンバージョン率を比較できます。同じ業界の類似製品の割合。開始点から終了点までの各段階におけるユーザーの行動状況とユーザーのコンバージョン状況を反映するもので、一般的に使用される指標はコンバージョン率とチャーンレートの 2 つです。

7. マトリックス分析手法

は、マトリックス相関分析手法であり、物事の 2 つの重要な属性を分析の基礎として使用し、分類相関分析を実行して、問題解決とリソースの参考を提供します。割り当て。

8. 象限分析手法

各比較対象を異なるデータに基づいて4つの象限に分割します。 IQとEQを分けると2次元と4象限に分けることができ、人にはそれぞれ自分の象限があります。一般的に、IQは人間の下限を保証し、EQは人間の上限を高めます。

以前実際の業務で使用した象限分析手法の一例。一般に、P2P 製品の登録ユーザーはサードパーティ チャネルに引き寄せられますが、トラフィック ソースの質と量が 4 つの象限に分割できる場合、一定の時点を選択して各チャネルのトラフィックの費用対効果を比較します。標準として総保持量で測定できます。高品質・大量チャネルを維持し、高品質・少量チャネルの導入量を拡大し、低品質・少量を克服し、低品質・大量の配送戦略と要件を試すこのような象限分析を使用すると、比較分析を行うことができ、非常に直観的かつ迅速に結果が得られます。

9. トレンド分析手法

大量のデータがあり、より速く、より便利にデータからデータ情報を発見したい場合、この時点でグラフィックの力を使用する必要があります。 . いわゆるグラフィック。EXCEl などの描画ツールを使用して描画する能力です。

トレンド分析は通常、クリックスルー率、GMV、アクティブ ユーザー数などの主要な指標を長期的に追跡するために使用されます。一般的には単純なデータ傾向図を作成しますが、単にデータ傾向図を作成するだけでは分析ではなく、上記のようにデータの傾向がどのように変化するのか、周期性はあるのか、変曲点はあるのかなどを分析する必要があります。それが内部的な理由であるか、外部的な理由であるかに関係なく、その背後にある理由。傾向分析からの最良の出力は比率です。前月比、前年比、固定ベースの比率があります。たとえば、2017 年 4 月の GDP が 3 月と比較してどれだけ増加したか、これは前月比であり、前月比は最近の変化傾向を反映していますが、季節的な影響もあります。季節の影響を排除するため、前年比の計算を導入しており、例えば、2016年4月と比較した2017年4月のGDP成長率が前年比成長率となります。固定基準比率の方が分かりやすいのですが、一定の基準点を固定するという意味で、例えば2017年1月のデータを基準点として、2017年5月のデータと2017年5月のデータを比較したものが固定基準比率です。 2017 年 1 月。

10. 指標分析方法

実際の作業では、視覚的なデータ チャートや Excel テーブルを取得したときに、統計の基本的な指標 (平均など) を直接使用してデータ分析を行うことができます。 、最頻値、中央値、最大値、最小値など、以下でそれぞれ紹介します。

mean

平均とは、平均分析法とも呼ばれ、特定の時間と場所における特定の条件下で、集団の特定の量的特徴の一般的なレベルを反映するために平均を計算する方法を使用します。平均分析方法で一般的に使用される指標には、算術平均、調和平均、幾何平均、最頻値、中央値などが含まれます。最も一般的なものは算術平均で、これは一般に平均または平均として知られています。

平均指標は、異なる地域、異なる業界、異なる単位などの同様の現象間の差異の程度を比較するために使用でき、合計指標を使用するよりも説得力があります。さらに、平均指標を使用して、さまざまな歴史的期間における特定の現象の変化を比較すると、見つかった傾向やパターンをより適切に説明できます。

最頻値、中央値

最頻値はデータ内の代表的な数値であり、データの集中度を反映します。たとえば、最高のもの、最も人気のあるもの、最も満足のいくものはすべてモードに関連しています。基本的に、このモードはデータ内で最も頻繁に発生するデータ インジケーターを反映します。データ分析を行う際、これらのデータ インジケーターの共通の特性を抽出し、それらを調整して要約し、改善のための提案を引き出すことができます。

中央値は、より一般的な正規分布のように、主に一連のデータの中心的な傾向を反映しています。たとえば、特定の都市の 1 人当たりの収入を数えたい場合、実際には、1 人当たりの収入のほとんどが一人当たり所得 一定の範囲内にあり、最低と最高はごく一部であり、実はこれが中央値の意味です。

データ分析を行う際、各データ間の差が小さければ平均値がよりよく代表されますが、データ間の差が大きい場合、特に個人差がある場合は極端な値の場合、中央値または最頻値の方がよく表されます。

最大 (小さい) 値

最大 (小さい) 値は、データ分析作業を行うときによく使用されますが、特別な注意は払いません。最良の値は、営業チームの販売チャンピオン、人気の e コマース製品など、典型的な代表値と外れ値として分析されます。

11.総合評価分析手法

複数の指標を企業の経済効果評価など、総合的な評価状況を反映できる指標に変換します。主成分分析法、データ包絡分析法、ファジィ評価法などを含む。

以上が一般的に使用されるデータ分析手法の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。