分析方法五：对比分析法
使用对比分析法对问题进行分析，需要明确两个要素：对比对象、对比维度/指标。
1、对比对象
对比对象一般分为：自身对比、行业对比。
举个例子，比如经营一家零售加盟店，10月份的销售额是100万，那怎么去衡量这个月的经营成效如何呢？是经营得当还是经营不佳呢？
那就可以从两方面去进行对比衡量：
一是和自身对比，今年10月的销售额对比去年10月的销售额是出现了销售同比增长还是下滑呢？对比本月的销售目标，目标是未达成还是超额达成呢？以及对上月环比是增长了还是下跌？
二是和行业对比。可以跟同区域或者全国的店均销售额进行对比，可以看出本店销售额所处位置，也可以向同场竞品进行横向对比，找出自己与竞品的差距。
2、对比维度/指标
一般从3个维度进行比较：数据整体的大小、数据整体的波动、趋势变化。
1）数据整体的大小
某些指标可以用来衡量整体数据的大小。常用的有平均数、中位数、或者某个业务指标，如整体销售额、店均销售额等等
2）数据整体的波动
标准差除以平均值得到的值叫做变异系数。变异系数可以用来衡量整体数据的波动情况
3）趋势变化
趋势变化是从时间的维度来看数据随着时间发生的变化，常用的图标有时间折线图（年月日）、同比、环比
同比是指与去年同一个时间段对比，如21年10月份的销售额为100万，20年10月份的销售额为80万，那么21年10月份的销售额同比20年10月份是增长了 25%
“（100万-80万）/80万*100%”
环比是指与上一个时间段进行比较，如21年10月销售额为100万，21年9月份的销售额为120万，那么21年10月份的销售额环比21年9月份是下滑16.7%
“（100万-120万）/120万*100%”
做产品经理的同学可能常用到一种叫“A/B测试”的方法，去验证那种产品设计方案优劣，期背后的逻辑也是运用了对比分析的方法，当然其中也涉及到了“数据埋点”的问题，这个后续可以单独展开讲讲。
分析方法六：群组分析方法
群组分析法是指按照某一特征的不同，将数据分组，然后比较各组的数据。
群组分析的方法常用于分析用户留存随时间发生了哪些变化，然后找出用户流失的原因。
假设现在是10月初，我们目前在做一个同校社交app，并在7月初上线，在近3个月中我们对app的功能进行了许多优化，以及做了很多拉新活动，每个月都有新的用户注册，那么我们近3月注册的这些用户，他们的留存情况是怎么样的呢？是注册后就流失了，还是注册后持续使用我们的产品呢？
这就需要我们运用群组分析的方法，对注册用户进行分组，比较各组的留存数据，通过分析找出用户留存或者流失的原因。
比如我们将注册用户分为7月注册、8月注册、9月注册三个群组，然后分别研究他们的留存情况
留存率=留存人数/对应群组注册人数*100%
例如，7月份组的首月留存率为80%，可以理解为7月份有100个人新用户注册登录，但是这批用户中在8月份登录的只有80人。
从上图举例的数据来看，9月组的首月留存率相比于7月和8月就低得多，所以需要重点分析这一个月新注册用户的留存偏差。
当然在实际业务中并没有这么简单，需要综合几种分析方法地去考量。
举个例子：
例如面试或者工作里经常遇到这样的问题:
上图表格是—家公司App的一周日活跃率，Boss交给你以下任务:
（1）从数据中你看到了什么问题?你觉得背后的原因是什么？
（2）提出一个有效的运营改进计划？
对于上面这个面试题我们就可以用上述讲的两种分析方法去分析，首先可以看周一到周五DAU都是比较稳定，维持在15%左右，周六骤降至1.8%，那此时是否可以判定周六的用户活跃出现问题了呢？
其实不能，我们需要运用对比分析法来进行分析，先拉出前三周数据，检验前三周产品DAU数据是否跟本周一样，周一至周五平稳，周六骤降，如果是，那可能说明这是由产品特性决定的，也就是说他是一个正常数据波动。如果前三周周六日数据并有没有出现骤降的话，那么说明本周肯定是出现了某些异常情况，导致了DAU骤降，有可能是产品问题，也有可能是市场运营的问题。
这时候我们可以运用群组分析法，将用户分组，研究是哪一类型的用户DAU数据异常，然后在和运营做出针对性的措施，来提升产品DAU数据。
