数据分析：详解2种常见的分析方法

无论是产品功能还是运营策略，都需要通过数据来提供参考与指导。本文通过业务场景和案例呈现，详细拆解2种最常见的数据分析方法——对比分析法和控制变量分析法，让我们的数据分析少走弯路。

第一种：对比分析法 “无对比，不分析”，对比分析法也叫对比法，是数据分析中最常见也是最基础的分析方法，

如果我们对数据的评估和汇报缺少了对比，就无法说明效果是好还是坏。

1. 绝对数对比 与 相对数对比 首先我们需要了解绝对数对比和相对数对比：

在数据分析中，绝对数对比一般是指正数之间的对比，如支付人数、DAU、GMV等； 而相对数对比一般是相对数之间的对比，如转化率、增长率、完成率等。 如下图登录用户量的对比就属于绝对数对比，用户留存率的对比则属于相对数对比。

2. 环比分析 环比，表示连续2个统计周期内的量级变化比，例如连续两日、两周、两月的量级变化比，都可以称为环比。环比分析一般体现该时间段对比上个连续时间段的数据变化情况。

计算公式：环比增长率=（本期数-上期数）/上期数 × 100%

举个环比分析简单例子：我们在9月第三周针对50%的随机用户A群进行了活动营销激励，整体GMV环比第二周上升50%。

这里就是将第二周看做基准，默认第三周自然GMV为100万。通过活动营销激励后，第三周实际GMV为150万，对比第二周增长了50万，环比增长率为50%。

这个例子来说，如果在正常情况下，环比分析给出的50%增长，可以证明活动带来了明显的GMV增长，效果好像不错，但是环比分析结果也会存在骗人的时候，我们继续往下看下面的例子：

看到活动效果良好，我们在9月第四周又取了剩下的随机用户群B进行了活动营销激励，GMV环比第三周反而下降了7%。同样的激励策略，不仅没有得到环比提升50%的数据效果重现，反而下降了7%。

在这里就体现出了一个环比分析法的弊端：无法消除周期波动变化的影响。