一、数据趋势分析
趋势分析通常适用于长期跟踪产品核心指标，如点击率、GMV和活动用户数。 制作简单的数据趋势图，不能说是趋势分析。 趋势分析往往需要明确数据的变化，分析变化的原因。
在趋势分析中，最好的生产是比。 在趋势分析时，有必要明确环比、同比、定基比这几个概念。 环比、同比是众所周知的，但定基比与某基点相比。 例如，以2016年1月为基点，定基比与2017年2月和2016年1月进行比较。 趋势分析的另一个核心目的是说明趋势，对于趋势线中明显的拐点，无论是外部原因还是内部原因都要合理说明发生了什么。
在数据分析过程中，影响指标的因素很多，可以在渠道、产品版本、源、关键字、网络、区域、IP、系统浏览器、版本等不同维度逐一考察。
二、数据对比分析
独立观察数据趋势的变化，实际上很多时候无法说明问题。 例如，如果一个企业的利润增长了10%，我们就不能判断这个企业的好坏。 如果该企业行业的其他企业一般为负增长，则多为5%；如果行业的其他企业平均增长为50%，则这是不好的数据。 比较分析是指对孤立的数据给出合理的参考系。 为什么这么说，是因为孤立的数据没有意义。
以A/B测试为例，最重要的是A/B两组只保留单变量，其他条件一致。 例如，要测试首页改版的效果，A/B两组的用户质量必须保持相同，在线时间必须保持相同，源通道必须相同。 只有这样才能得到有说服力的数据。
三.数据细分分析
在得出一些初步结论时，还需要进一步细致地解体。 因为在一些综合指标的使用过程中，有必要抹杀一些重要数据的细节，分析指标本身的变化，也有必要分析发生变化的原因。 这里的细分一定要进行多维的细分。 常用的分割方法如下。
分时：数据是否随时间段而变化。
按通道：每个来源的流量或产品是否有变化。
按用户：新注册用户与旧用户相比是否有差异，忠诚用户与dddkf用户相比是否有差异。
分区域：数据是否因地区而异。
构成分割：例如检索由检索词构成，可以分割不同的检索词
细分分析是一个非常重要的手段，问很多理由是得出结论的关键，而一步一步分割，是不断询问为什么的过程。
四.业务场景示例
在某些情况下，以用户的重要行动历史为中心加速用户的决策周期。 以电子商务产品为例，这一重要的行为历程包括：领票活跃、潜在客户促进注册、注册促进订单、洞察习惯促进再购买。 加快用户决策周期，就是帮助用户认同价值、消除担忧、支付购买。
1、总体路径：在核心流程中加快决策
当我们被某个产品的卖点吸引时，我们的潜意识会“凭感觉”迅速做出决策。 不马上执行决策，只是因为我们还在说服自己，寻找那个决策看起来合理的理由。
人的欲望是无限的，往往人的欲望超越了一贯的自我认识和行为规范，同时人又是非常自我接触的动物，如果一种决策意向明显不符合自我认识和行为规范，我们就会不知不觉地寻找更多的理由，使我们的决策看起来更加合理。
例如，喜欢口红，心动的话，会有购买的冲动。 只是已经有很多口红了，不符合“不要过度浪费”的自我认识，所以开始寻找商品详细页面。 ymdyl在看到“星星的颜色不流行”、“和单身前辈一起很精致很滑”、“低价版Tom Ford”等信息时
为了完成合理化过程，必须给用户充分的理由。 甚至产品的特性、价格优势，甚至心理上的合理解释，这些理由可能都不需要特别强调。 因为，这并不是为了让用户产生购买冲动而存在的。 有欲望的用户为了说服自己得到安慰，正在寻找“精简TA订单”的信息。
以某电子商务产品为例，在注册成功后24小时内未制作订单的用户会收到邮件。 短信内容为：你收到128元新米红包，下载APP优惠，小红包，部分用户“犹豫”下单成功。 PS :上图数据来自我们的客户，基于诸葛io的精准触摸，有68人成功支付。 也就是说，这封邮件带来了核心业务的转变。
2、业务偏好：根据需求精准营销用户
获取用户后，将分析有关用户的数据，了解用户的行为习惯，并将其用于产品运营。 通过分析用户行为监测中获得的数据，可以更详细、清晰地了解用户的行为习惯，从而发现运营中存在的问题，发掘高APP转化率的网页，使营销更加准确、有效，用户
例如，在哪个时间段用户的活动度最高，在这个时间段推送事件会使参与度更积极，用户接受度更高。 例如，在分析22:00~24:00之间，20-30岁的女性最活跃的情况下，通过选择此时对女性用户更有价值的活动进行定向推送，设定推送的活动、时间、用户组
3、沉默的激活：围绕活跃的特点亲切关注
沉默用户大部分是低介入用户，能否细分各自的需求，进行用户的触摸和用户运营，满足某些需求。 如果用户只是使用基本功能，请不要骚扰他们。 例如，触摸运营一个月，用户无反应，持续多次的话，请不要
再骚扰了，否则产品都不会使用，这类长时间的沉默用户要谨慎处理。
总之，趋势，对比，细分是数据分析中最基础的思维。无论是数据核实，还是数据分析，都需要不断地找趋势，做对比，做细分，才能得到最终有效的结论。