Python数据分析 | 数据分析常用的五个方法三个模型（逻辑分析、多维度拆解、对比分析、假设验证、相关性分析、RFM模型、漏斗分析模型、AARRR模型）_python数据分析模型

---

一、 逻辑树分析法

定义：
将一个复杂的大问题，拆解成一个个小的可以解决的子问题，就像一个大树一样，它有很多个分支，那每个分支就是一个子问题。


应用：
费米问题：初次听到某种问题的提问时，会觉得已知条件太少，离答案差距甚远。但当变通改变分析对象之后，所有这类问题都会迎刃而解，不需要求助专家书本，就可以出乎意料地接近确切的答案。

例：北京需要多少共享单车？

分为两个方向去讨论：

1. 北京市民日常使用需要多少共享单车？
2. 北京市内公共面积能存放多少共享单车？

从需求分析

1. 接驳公共交通，包括接驳轨道交通与接驳地面公交两类；
   在共享单车出现前，地铁站点750米范围内的交通接驳比例，步行占75%，自行车占4%，公共交通约为15%，其他交通方式约6%。
   而据相关部门发布调查报告中显示，自共享单车出现后，约20%-30%左右的接驳轨道交通的出行依靠共享单车完成，替代了原来的黑摩的、部分地面公交、私人自行车、电动自行车及步行。
   根据估算，共享单车每日承担接驳轨道交通的总量约为235-352万次，按照每辆单车周转率为4次/日进行测算则每日接驳地铁约需要59-88万辆共享单车。通过共享单车接驳公共交通，每日约有21万辆的单车需求。
   
2. 完成门到门出行，以5公里以内的短距离为主。
   门对门出行方面，共享单车的出现改变了原来的交通方式。2014年北京市六环内5公里以内的短距离出行约为2448万次/日，其中，步行比例约为58%，自行车出行比例为15%，小汽车和公共交通出行比例分别为12.4%和11%。而根据《摩拜单车联合北京晚报权威发布的骑行大数据》中显示，自共享单车出现后，北京市自行车出行比例呈现翻番的特征，每日约有367万次的出行通过共享单车完成，除以单车周转率，则需要共享单车约92万辆。
   

从满足市民出行需求的角度出发，得出现状单日北京市六环内市民对于共享单车的需求总量约172-201万辆。

从承载力分析
共享单车停放主要利用道路及其他公共空间停放，如道路隔离带、建筑前区、人行过街桥下空间、部分绿化空间等，一辆共享单车需要2米*0.6米的停放空间。
在人行道上停放自行车后，五环内人行道宽度符合要求的道路总里程约625公里（双向），若考虑到由于树池、变电箱、机动车违章占用人行道停放等，实际能够用于自行车停放的道路长度仅约500公里（双向）。按照每辆车占用0.6米的宽度测算，则五环内人行道可容纳自行车约83-104万辆。
考虑到其他公共空间的承载量，停车空间，实际道路空间内的停放能力要大于以上的估算数。但同时，道路内除承载共享单车外，还停放私人自行车及电动自行车，所以总体来说，停放共享单车空间非常紧张。

二、 多维度拆解分析法

多维度拆解法顾名思义就是从多个角度进行分析

例：
公司上月总体销售额下降了，分析一下是什么原因？

销售额 = 销售数量 × 单价
首先使用逻辑树分析法，总体销售额下降就得分析是销售数量下降，还是单价下降了。
总体销售额下降了，就得去分析到底是销售数量下降了还是单价降低了；
若是销售数量下降，则要分析为什么，市场问题、产品问题、渠道问题；
若是单价降低了，则要跟运营部门沟通是否有恶意竞价的现象；
如果数量和单价变化的都不太明显，就要使用多维度拆解继续分析。

第一个拆解
总体销售额下降：按照产品拆解，是所有品类的销售额都下降了，还是个别品类。
第二个拆解
如果是某个品列销售额下降，则需要按照产品拆解，是这个品类下所有的商品的销售额都下降了，还是个别商品下降。

假设我们发现是某三款商品存在销售额大幅度下降造成的总体销售额下降，那对于下降的商品再进行具体的原因分析，才更有针对性。

三、 对比分析法

将两个事物进行比较，没有对比就没有好坏。这是我们用的最多的分析方法了，我们总是在不经意间使用对比。

例：
小时候身边总会有一个别人家的孩子，每当考试成绩下来有些父母总会说，你看别人家的孩子，怎么每科都九十分以上，你最高的一科才七十。（横向分析）
同样的分数，有些父孩子的父母则会说，虽然你的成绩在班级当中不算高，但是相对于你的期中成绩来说，已经有了很大的进步，只要你不断努力，按照这个态势继续发展，一定可以超过他们。（纵向分析）

横向对比
在同时间跟其他事物比。

纵向对比
在时间维度跟自己比，随着时间的推移，他发生了哪些变化

同比
2019年3月销售比2018年3月销售额增长10%

环比
4月比3月的销售额下降了2%
某产品第二季度比第一季度的销量增长了8%

四、 假设验证法 / 归因分析法

概念：针对某项问题，提出假设是这个原因造成的，然后搜集数据来证明自己的假设，最后得出结论，这种方法也叫归因分析。
流程：

1. 提出问题
2. 搜集证据
3. 得出结论
   

也可以从4P营销理论去提出假设
产品：假设新增用户喜欢的产品带来的销量上升
价格：假设降价带来的销量上升
渠道：假设渠道扩充导致产品宣传力度增大导致的销量上升
宣传：假设促销活动带来的销量上升

五、 相关性分析法

概念：相关分析在工作中经常用于判断哪些因素是影响某种现象的主要原因，例如影响销售额的因素当中，通过相关分析来判断哪些因素产生的影响最大，如果时间有限，则可选择影响最大的那个因素进行深入分析，这样才能快速的发现问题。

注意事项：
如果A和B相关，有至少五种可能性：

1. A导致B
2. B导致A
3. C导致A和B
4. A和B互为因果
5. 小样本引起的巧合

例：

1. 睡眠时间越短的人，收入越高
2. 青少年越喜好重金属音乐，越会沾染酗酒吸毒等恶习
3. 游泳溺亡的人越多，雪糕卖的越好

分析：

1. 收入越高的人，往往会花大量的时间用在工作上，因此睡眠时间相对较少，但是并不是睡的少就能收入高，关键是你的时间都花在哪了，如果24时都在打游戏，不仅收入不高还可能带来严重的健康问题。
2. 青少年越喜好重金属音乐，越会沾染酗酒吸毒等恶习这个案例可能会让人觉得无厘头，这两者之间能有什么关系？实际上这两者有很强的相关关系，喜好重金属音乐的青少年带有很强的逆反心理，他们标新立异个性张扬，渴望被人关注，恰好吸毒酗酒能够让他们看起来与众不同。
3. 因为天气炎热，所有游泳的人会增多，从而溺水的人也会增多，而天气炎热，买雪糕的人也会增多。

六、 RFM分析模型

RFM是3个指标的缩写，最近一次消费时间间隔（Recency），消费频率（Frequency），消费金额（Monetary）。通过这3个指标对用户分类
近度：Recency，最近一次消费到当前的时间间隔
频度：Frequency，最近一段时间内的消费次数
额度：Monetory，最近一段时间内的消费金额

通过 RFM模型 将用户分为不同的类型，针对不同的用户提供不同的优惠策略，通过最小的成本，留住更多的用户
注意：不一定是八种类型，根据业务场景的不同，也许会分更多的类型，产生更多不同的策略。

示例：美团外卖针对很久不用的用户，3块钱开一个月会员，8块钱一季度，激活那些潜在的流失用户。

七、 漏斗分析模型

用来分析从潜在用户到最终用户这个过程中用户数量的变化趋势，从而寻找到最佳的优化空间，这个方法被普遍用于产品各个关键流程的分析中。

针对电商的漏斗示例：

通过该模型可以直观的统计出网站每一流程之间的转化率，找到那些步骤之前转化率过低，更好的分析出问题出在那些地方，根据问题去通过分析方法，找到解决方案。

八、 AARRR模型

AARRR漏斗模型是Dave McClure 在2007提出的客户生命周期模型，解释了实现用户增长的5个指标，分别是：Acquisition（获取）、Activation（激活）、Retention（留存）、Revenue（收入）、Referral（自传播），因其掠夺式的增长方式也被称为海盗模型，可以帮助我们更好地理解获客和维护客户的原理。