怎样用图表分析数据

怎样用图表分析数据

本文会给大家讲解：从入门到精通：如何用图表做好数据分析？

随着精益化运营的概念不断深入人心，数据分析已经成为了互联网人的必修课。相比于高深的概率统计、算法模型，简单、直观的图表工具得到了更为广泛的应用。

那么图表都有哪些类型？不同类型的图表又该怎么用？在这篇文章中我们结合互联网产品和运营的业务需求，由浅入深地给大家解答这些问题。

Part 1 | 初阶：维度和指标

初阶的图表简单易懂，能满足简单的数据分析需求，具体包括趋势、频数、比重、表格等类型。图表数据分析的前提就是将自己需要呈现的指标，以一定的维度拆分，在坐标系中以可视化的方式呈现出来。

1. 趋势图

趋势分析是最基础的图表分析，包括线图、柱状图、堆积图等多种形式。

线图可以观察一个或者多个数据指标连续变化的趋势，也可以根据需要与之前的周期进行同比分析。柱状图可以观察某一事件的变化趋势；如果将整体拆分可以做成堆积图，同时观察到部分所占比重及变化趋势。

图 1 - GrowingIO 周期对比线图：

图 2 - GrowingIO （堆积）柱状图：

产品经理和运营人员通过趋势图分析流量的实时走向，如每日 pv、uv、DAU 等基本数量指标以及停留时长、平均访问页面数等质量指标，可以及时把握产品的变化趋势。一旦趋势周期对比发生异常（异常高和异常低），我们需要及时介入排查原因、解决问题。

2. 频数图

根据业务需求对指标按照一定维度拆分，对比不同组别的频数，便于分清轻重缓急。

图 3 - GrowingIO 条形图：

条形图清晰展示了用户在不同类别上的频数，并且按照数量从大到小排序。上图展示的是某产品用户使用浏览器的频数分布，在资源有限的情况下产品可以先适配 Chrome 和 IE 浏览器以提升绝大部分用户体验。

图 4 - GrowingIO 双向条形图：

上面的双向条形图展示了某 B 端产品的客户平均停留时长极端情况（非常高和非常低），企业 1-5 非常活跃，可以让运营人员促进客户增购、续约，而企业 6-10 活跃度非常低，即将流失，需要运营人员立刻介入干预。

3. 比重图

比重分析主要是用来了解不同部分占总体的比例。横向比较，扇形图、环形图可以满足这类需求；纵向比较，百分比堆积图可以显示不同部分所占比例的趋势变化。

图 5 - GrowingIO 访问用户来源环形图：

图 6 - GrowingIO 百分比堆积图：

环形图（图 5）显示了某节点访问用户来源渠道比例，百分比堆积图（图 6）则动态显示了不同渠道比例的变化趋势，市场或者运营人员可以据此动态优化我们的资源投放。

4. 表格

表格信息密集，可以同时分析多维度、多指标数据，适合对数据敏感的人群使用。虽然表格能看到具体的数值，但是不能直观看到趋势、比重。

图 7 - GrowingIO 表格提供三十多个维度供指标拆解：

通过表格（图7）不难发现，移动端访问用户占了非常大的比例，但是跳出率非常高。这样的表格数据启示我们有必要优化移动端产品，提升整体访问深度。

5. 其他图表

下面介绍的是气泡图，气泡图用来展示一个事件与多个维度之间的关系，如分析B端产品客户成单周期与客户活跃度、登录账号数量之间的关系。

图 8 - GrowingIO 「客户温度 - 健康度」气泡图：

除了上述常见的图表，还有散点图、箱线图、股价图、雷达图等图表，在此不一一赘述。

Part 2 | 进阶：用户行为洞察

正如前面所言，初阶图表能满足简单的业务需求。但要想深入洞察用户行为，还需要紧密结合业务实践，用更加专业的图表辅助数据分析。在这里，我和大家分享三个实用的工具：漏斗图、留存图和热（力）图。

1. 漏斗图

漏斗图主要用于转化过程，例如注册流程、商品购买流程，分析用户在不同阶段的转化或者流失情况。

图 9 - GrowingIO 漏斗图：

产品运营应该关注重点转化路径的转化率，对于转化率非常低的环节、或者转化率突然下降的情况，都需要及时排查原因。

2. 留存图

留存是指用户首次访问你的网站，多少天后又重新回访的情况。利用留存曲线可以对留存进行深入分析。

图 10 - GrowingIO 留存曲线:

某问答社区通过留存曲线（图 10）发现，通过搜索引擎来源的新用户（红色）留存度和活跃度远远高于一般新用户（绿色），这启示社区运营者：搜索引擎可能成为社区的下一个增长点。

3. 热（力）图

热图，又称热力图，显示的是用户在你产品页面上的点击、停留偏好。借助热图产品经理可以优化产品页面布局，运营可以优化内容，确实是一个好工具。

图 11 - GrowingIO 热图：

Part 3 | 高阶：用数据驱动增长

随着数据可视化技术的不断发展，图表的类型越来越丰富，我们不可能在一篇文章中将其穷尽。但是图表数据分析的本质不会变，其最终目还是要辅助人们的决策。

1. 搭建属于自己的数据看板

人们的工作在不断细分，需要分析和决策的内容也不太一样。同样都是市场部门的同事，负责内容营销的与负责 SEM 的需要关注的数据差异很大，而这就需要搭建属于自己的数据看板。

图 12 - GrowingIO 数据看板：

例如 SEM 主管根据工作需要搭建数据看板，将广告投放（表格）、访客来源（百分比堆积图）、访问用户量（线图）、登录用户量（柱状图）和注册转化率（漏斗）等重要数据集中在一个看板中。数据看板能帮助我们以合适的方式展示数据，集中精力做好业务决策。

2. 在实践中践行 MVP

用图表做好数据分析并非易事，它绝非一朝一日之功，但也并不是无规律可循。

首先是对业务的理解，能洞察数字背后的商业意义。其次是灵活选择维度拆分指标，在图表坐标系中以合适的形式进行可视化展示。最后一定要从图表数据分析中发现问题，并指导业务决策。在这样不断反复的过程中，不断优化我们的图表数据分析过程，用数据来驱动业务增长。

本文作者：GrowingIO 增长团队，集工程、产品、市场、分析多重角色于一身，负责拉新和用户活跃，用数据驱动业务增长。

一、原理

“细分是一切分析的本源！不细分无分析！” 这是我们学习细分分析时常见的一句话，对细分分析冠于如此高的评价，不只是因为它在分析方法上的强大，更重要的是在当前流量红利逐步消逝的时代，笼统的网站统计和网站分析已不能满足需求，我们更迫切需要以数据驱动 精细化运营 ，需要对用户行为的每个点进行细分，才能挖掘到隐藏在其行为背后的真正影响因素，我们常见的RFM模、 漏斗分析 最基础的原理就是细分分析。就像绘画大师在作图时对每个像素都需要仔细斟酌一样，优秀的用户运营官，会对用户行为的每个步骤每个维度透彻细分分析。

二、分析方法

细分分析在分析方法上一般有两种，一是逐步细分细分，二是维度交叉分析。

1、 逐步细分分析

逐步细分，顾名思义，是根据分析要求由粗到细、由浅入深，逐步进行细分的过程。当然，这里的步骤我们有多种解释，可以理解为用户行为分析中的漏斗分析步骤，比如第一步是什么，第二步是什么；也可以理解为包含分解上的步骤，比如按地区逐步细分，中国可以细分为广东省、北京市、河北省等省市，广东省又可以细分为广州市、深圳市等，广州市还可以继续往下细分到各区、县等。

2****、维度交叉分析

维度交叉分析，是一种立体分析方法，是比较体现一个人分析水平的细分方法。它是在纵向分析法和横向分析法的基础上，从交叉、立体的角度出发，由浅入深、由低级到高级的一种分析方法。常见的综合交叉分析应用有四象限分析法、RFM模型等。

四象限分析法，按照两个维度交叉分析，在四个象限中对所有内容进行拆分，一般斜对的两个象限（如第一象限和第四象限、第二象限和第三象限）是相对立的，而且是壁垒分明的。如我们常见的获客渠道分析，需要按照质量和数量两个维度综合交叉分析，将所有渠道按照高质量低数量、高质量高数量、低质量低数量、低质量高数量这四个象限进行分析归类，自然就能选出roi最高的推广渠道。

RFM模型比四象限分析法包含的维度更多，拆分更细，它按照交易频率、最近交易时间、交易金额，将用户划分为重要挽留客户、重要发展客户、重要保持客户、重要价值客户、一般挽留客户、一般发展客户、一般保持客户、一般价值客户等8种类型。按照用户在不同维度上的行为展现进行归类，有针对性运营。

三、数极客对细分分析的应用

数极客用户行为分析系统对细分分析可谓应用到了极致，不仅对逐步细分进行了多模块应用，而且对维度交叉分析也进行了灵活的融合。

1、 事件分析、转化分析、用户分析等众多模块应用了维度细分

很多用过数极客分析系统的人都说，数极客对维度拆分的细致程度是我们最为欣赏的。它按用户个体属性，按照性别、年龄、用户角色、用户等级、所属城市等十几各维度对用户属性进行了细分；对每次访问的会话，按照应用版本、设备类型、设备厂商品牌、设备名称、操作系统名称等十几个维度进行了分析；对访问渠道，按照访问渠道类型、访问渠道名称、搜索关键词等维度进行了细分；对推广分析，按照投放媒体、广告名称、广告媒介、广告内容、关键词、着陆页等维度进行了细分。这几十项维度细分指标，对 网站用户行为分析 和 APP用户行为分析 均适用。

2****、 漏斗分析融 合逐步细分和维度交叉分析

数极客的 漏斗分析 ，把转化过程按照步骤进行纵向细分，通过对用户行为每一步细致流入流出分析，找到影响用户转化的关键因素。同时又能按照访客类型、访客性别、年龄、来访地区、来访渠道等几十个用户属性维度、会话属性维度、推广渠道维度对漏斗横向细分。横纵交叉综合分析，让影响转化的每个环节、每个因素都展现的清楚明白，一目了然，摸清关键点，自然能快速提升转化率。以下为漏斗分析按照用户类型拆分的对比图。

四、客户案例

某互金企业想要了解哪些渠道带来的注册用户较多，按照访问渠道名称进行细分分析，发现SEM依然是比较高效的获客渠道，而通过今日头条带来的用户量相对就比较少了。然后按照推广维度进一步细分，通过广告名称、广告内容、投放媒介、关键词、着陆页等维度细分分析和转化漏斗分析发现，投放的四个不同内容广告，只有一个访问量较高，其余三个几乎没有访问，后期对访问量较低的广告进行了优化跳转，提升了今日头条的获客量。

推荐您了解一下蛛网时代的云蛛系统提供一站式解决方案，需求，实现，运维之类的，云蛛系统全部能够完成，再也不用为寻找各种厂商而发愁。不但如此，云蛛系统出人出力搭建好您的整个项目后，还会再留给客户一整套根据客户习惯单独定制化出来的产品。让客户的大数据、数据可视化操作，完全黑盒化，客户不需要懂得这些知识，在以后的运维中，自己就可以1-2分钟进行功能逻辑调整。云蛛系统还支持一些炫酷的3D组件，分分钟配置一款炫酷大屏，另外使用云蛛系统高阶版的话还会附赠源码

---