深度解析市场调研后期数据分析方法

通过市场调研，我们收集了不少的数据，这些数据都是用户最直接的对产品的某种需求的体现。作为产品经理，我们该如何对数据进行合理有效的分析呢？

常见的数据分析方法

1.数据分析的基本方法

数据分析应该以业务场景为起始思考点，以业务决策作为终点。基本思路为5步：

• 挖掘业务含义

• 制定分析计划

• 拆分查询数据

• 提炼业务洞察

• 产出商业决策

2.内外因素分解法

内外因素分解法是把问题拆成四部分，包括内部因素、外部因素、可控和不可控。然后再一步步解决每一个问题。

3.DOSS

DOSS是从一个具体问题拆分到整体影响，从单一的解决方案找到一个规模化解决方案的方式。

4.描述统计

描述统计是通过图表或数学方法，对数据资料进行整理、分析，并对数据的分布状态、数字特征和随机变量之间关系进行估计和描述的方法。

5.假设检验

是数理统计学中根据一定假设条件由样本推断总体的一种方法。

6.相关分析

相关分析是研究现象之间是否存在某种依存关系，并对具体有依存关系的现象探讨其相关方向以及相关程度，是研究随机变量之间的相关关系的一种统计方法。常见的有线性相关分析、偏相关分析和距离分析。

7.判别分析

从已知的各种分类情况中总结规律，当新样品进入时，判断其与判别函数之间的相似程度。

8.主成分与因子分析

• 主成分分析基本原理：利用线性变换的思想，在损失很少信息的前提下把多个指标转化为几个综合指标，从而达到简化系统结构，抓住问题实质的目的。

• 因子分析基本原理：利用降维的思想，由研究原始变量相关矩阵内部的依赖关系出发，将变量表示成为各因子的线性组合，从而把一些具有错综复杂关系的变量归结为少数几个综合因子。

9.时间序列分析

经典的统计分析都假定数据序列具有独立性，而时间序列分析则侧重研究数据序列的互相依赖关系。

具体的数据分析技能

数据的常规处理

对于刚得到的数据，可以进行常规的处理。即求出平均值或者份额进行相应比较分析。

多元回归方法分析用户模型

对于数学好的童鞋，可以给出一种多元回归统计的方法来分析我们得到的数据。在处理测量数据时，经常要研究变量与变量之间的关系。变量之间的关系一般分为两种。一种是完全确定关系，即函数关系；一种是相关关系，即变量之间既存在着密切联系，但又不能由一个或多个变量的值求出另一个变量的值。

交叉制表和过滤结果

交叉表（Cross Tabulations）是一种常用的分类汇总表格。利用交叉表查询数据非常直观明了，被广泛应用。交叉表查询也是数据库的一个特点。

使用过滤器是建模数据的另一个有用工具。过滤意味着将您的注意力集中在一个特定的小组上，并过滤掉其他小组。

纵向分析和比较数据

纵向数据分析（通常称为“趋势分析”）基本上是跟踪具体问题的发现随时间如何变化。建立趋势图表可以迅速了解市场， 用户或产品特征的基本表现，便于进行迅速迭代；还可以把指标根据不同维度进行切分，定位优化点，有助于决策的实时性。

行为轨迹

行为轨迹是进行全量用户行为的还原。只看 PV、UV 这类数据，无法全面理解用户如何使用你的产品。了解用户的行为轨迹，有助于运营团队关注具体的用户体验，发现具体问题，根据用户使用习惯设计产品，投放内容。

留存分析

留存是了解行为或行为组与回访之间的关联，留存老用户的成本要远远低于获取新用户，所以分析中的留存是非常重要的指标之一。

优化建模

当一个商业目标与多种行为、画像等信息有关联性时，我们通常会使用数据挖掘的手段进行建模，预测该商业结果的产生。

以上是小编为您整理的数据分析方法，希望对您有所帮助。如果您想了解更多的前瞻信息和权威专家普修的专业性建议，就留言联系我们吧！ 

参考：

钟家福：如何成为一名数据分析师：数据的初步认知

腾讯问答：如何创建用户模型：问卷调查与数据分析

张溪梦:数据分析的方法论是什么？

surveymonkey：Analyzing the Data

文章来源：http://www.pursuer.cn/index

用户调研 |  HMI设计 |  UE/UI设计 |  HMI培训  |  HMI评测  | 体验咨询