文章插图
指标拆解法:
当制定了一个目标指标值后，为了找到影响这个目标指标的所有因素，可以对其进行层层拆解成各个子指标，再对每个子指标进行分析，最终找到达成目标指标的方案 。
比如，为了提高用户活跃度这个目标指标，可以将其拆解为总用户数乘以用户活跃率，总用户数可以拆解成新增用户数加上历史用户数，用户活跃率可以拆解成新增用户活跃率加上历史用户活跃率等等，拆解得越细致越容易找到解决方案，想办法提高每一个子指标的值，最后达成目标 。
假设检验法:
【做数据分析的一些常用方法 数据分析方法有哪几种】 1.设定需要分析的问题，比如，为什么这个月的活跃率降低了百分之十？
2.列出对问题出现原因的假设 ， 比如，是不是功能不够好用 ， 节假日有没有影响，竞争对手是否推出了新功能导致用户在该时间段被抢走？
3.收集能验证假设原因是否成立的数据证据 。比如如何评判功能好不好用？是不是可以通过调研来获取反?。恳欠褚蛭诩偃盏贾禄钤韭式档?nbsp;， 是不是可以拉取出节假日的数据跟非节假日的数据进行对比 ， 看看是不是存在明显差别？
4.经过以上数据的检验分析后，即可得出假设原因是否成立 。
相关度分析
通过数据分析来检验两个事项是否存在相关度，以及相关的具体程度，比如用户活跃度与某功能的使用量是否存在正相关或负相关的关系 。
群组分析法
按某个纬度 ， 将用户分成不同的群组，比如按照注册的时间段对用户进行划分，对不同渠道来源的用户进行划分，划分后再观察不同组别的用户在某一指标的表现上有何区别，从而找出相关性 。
漏斗分析法
将用户的行为路径进行拆解，计算每一步的流失率，比如用户购买商品的路径可以拆解为浏览商品列表，查看商品详情，加入购物车，下订单，支付，这里每一个步骤都有可能造成用户流失，想尽办法提高每个步骤的流失率即可最终提高订单的成交量 。
RFM分析法
通过三个纬度对用户进行分类 ， 提炼出高中低价值用户，包括用户消费的频率，消费的金额以及最近一次消费的时间远近，这个分类方法更多的是应用在电商领域，但是只要稍微调整一下就可以扩大它的使用范围 ， 比如应用在某个功能的使用上，可以通过功能使用的频率，使用的深度以及最近一次使用的时间远近来对用户进行划分，从而找到功能的高中低价值用户 。
