数字化转型网数据专题将关注数据治理、数据质量管理、数据架构、主数据管理、数据仓库、元数据管理、数据备份、数据挖掘、数据分析、数据安全、大数据、数据合规、等数据相关全产业链相关环节。
学习了方法，做好了准备，终于进入了分析的环节。
笔者此前面向的数据分析，常常是“一锤子买卖”，花了很大的力气采集数据却没有了下文。
为了使有用功更多，下文将从用户和收益2个维度分享数据如何为我们沉淀长期价值。
一、了解我们的用户
这一步是为了让我们知道完成指标的用户是谁，常常以产品的会员体系作为切入点。会员体系越清晰，分析效果越好。
本节将以电商产品为例，和各位分享如何基于用户的延伸分析。
1）基础信息
基础信息，指用户本身的属性。
身份特征，可以从自然属性、社会属性向下细分，包含用户的性别、年龄、职业、教育等。
渠道属性，指用户的注册时间、注册平台、注册来源等。
2）决策类型
决策类型，主要分为决策周期、品类偏好、促销偏好、对象偏好，这是用户分析中常常被忽略的一方面。
决策周期中的首次访问，指的首次触及该商品的时间。结合次数、时长以及成交时间，从而了解用户的决策周期。
品类偏好，结合品牌和历史成交单数，能够帮助我们获悉品牌、价格综合对用户的影响。
而成交品类、商品、单数则是帮助我们理解其品类购买深度及路径，用于进行关联推荐和评判用户的价值。
促销偏好，结合品类和折扣金额了解用户的敏感度，能更好的提高其转化率。对象偏好，同样是了解购买深度及路径，不过维度不同。
在用户层面的分析，此前接触的一些朋友都非常热衷于使用RFM模型，在使用过程中也应“因地制宜”。
3）购买路径
品类深度、对象深度是影响决策类型的因子，当它们在购买路径时则聚焦于次序。
根据次序，制定运营的发力点，再遵循用户的购买路径制定转化路径。
在用户分布相对稳定的前提下，应顺从用户的购买规律而非倾力于另一条主线。
一专多强的前提是专，只有聚焦优势品类或主题建立了优势，才能为其他的方向供应炮弹。
4）增长观察前面解决的问题是：他是谁，买什么以及怎么买。最后一点，则是增长观察。
购买路径聚焦于次序，增长观察聚焦于深度。购买的次序是运营的主线，购买的深度用于精细化运营。
了解用户在品类和对象的购买深度，再辅以ARPU与LTV的比对，从用户的剩余潜力寻找平台增长点的方式。
二、建立你的用户模型
了解用户的下一步，是建立用户模型。
在一次交流会上，前辈阿翘对我提问：“你所负责的产品，用户画像是怎么样的？”
当时我把平台用户的地域、年龄、性别等分布介绍了一番。紧接着他提问：“根据这样的画像你能够做什么呢？”
再后来，我才学会了把数据聚合成特征，把特征集合成模型。
基于对用户的认识建立模型，以上一小节的决策模型为例。
将决策类型、品类偏好、对象偏好、促销偏好4个因子的关联，并辅以用户的基础信息进行组合。
如：“精打细算、专注大牌、疼爱孩子的母亲”。
这样一来冰冷的数据也被赋予了情感化的表达，无论是产品设计、交互设计、产品运营都会变得容易的多。
建立起用户模型，才能够更好地进行情感化设计、精细化运营。
1）分析与收益相关的行为
收益，常用成交或ROI进行衡量。那我们怎么判断与收益相关的行为呢？有关程度又有多高？
判断相关性及其程度时，使用的方法是：相关性分析。
相关性分析主要用于：
a、判断两个或多个变量之间的统计学关联；
b、如果存在关联，进一步分析关联强度和方向。
根据数据的类型不同，所采取分析方法不同。
关于收益及影响收益的行为，二者都属于无序分类变量，此类数据的分析方法是卡方校验。
卡方检验，用于统计样本的实际观测值与理论推断值之间的偏离程度，如果卡方值越大，实际观测值与理论推断值偏差程度越大。
反之，二者偏差越小；若两个值完全相等时，卡方值就为0，表明理论值完全符合。
在实际分析时，会先进行假设，并通过计算判定其假设成立的概率从而反推其不成立的概率。
以判定关注与成交行为是否有关为例，介绍卡方校验。
1）提出假设假设：关注与成交无关
2）计算实际观测数据及理论推测数据将关注及成交的相关数据进行统计，可得出下表：
根据表格，可计算出综合的成交率等于58.3%。假设关注与成交行为无关，成交率应不随关注行为变化而变化，或数据抖动较小。
将观测的成交率代入原表，并得出理论推断值。
完成了这一步，就可以进行卡方检验的计算了。
3）卡方校验计算
继续代入公式当我们计算出卡方值时，可以初步判定由于卡方值较大，实际观测值与理论推断值差异较为明显，原假设关注与成交无关成立的可能性是比较小的。
4）计算自由度及P值而到了判定可能性具体的程度，则是根据P值（用于判断判定假设检验结果）进行校验，P值越小，原假设关注与成交无关的概率也越小。
由于其自由度等于1，结合卡方值再查询卡方分布表可得P＜0.01，所以原假设成立的可能也越小，即关注与成交有关的概率非常大。
声明：本文来自Info Tech，版权归作者所有。文章内容仅代表作者独立观点，不代表数字化转型网立场，转载目的在于传递更多信息。如有侵权，请联系我们。
数字化转型网数据专题包含哪些内容
数字化转型网数据专题将关注数据治理、数据质量管理、数据架构、主数据管理、数据仓库、元数据管理、数据备份、数据挖掘、数据分析、数据安全、大数据、数据合规、等数据相关全产业链相关环节。
数字化转型网数据专题包含：
1、数据相关外脑支持：100+数据相关专家、100+数据实践者、1000+相关资料
2、数据研习社：与全球数据相关专家、实践者共同探讨相关问题，推动产业发展！
3、国际认证培训：目前已引进DAMA国际认证CDMP，其他国内外认证也在逐步引进中
4、典型案例参考：与数字化转型网数据要素X研习社社员一起学习典型案例，共探企业数据落地应用
