[[430930]]

大家好，我是愛學習的小xiong熊妹。

今天繼續更新九大數據分析方法系列。在工作中，我們經常會問：

• 下雨和業績下降有多大關系?
• 銷售上漲和新品上市有多大關系?
• 營銷投入與業績產出有多大關系?

這些問題，都有一個基礎分析方法有關：相關分析法。

一、什么叫“相關”

簡單來說，相關就是兩個事件之間有關系。比如：

廣告投入與銷售業績

下雨刮風和門店人流

用戶點擊和消費行為

即使沒有做分析，直觀上看這些事件之間也有關系。但是不做分析的話，具體是啥樣的關系，很難說清楚。而相關分析，就是找出這種關系的辦法。

二、什么是“相關分析”

相關分析，特指：找到兩個數據指標之間的相關關系。

比如一個APP里，用戶反復瀏覽一款商品，所以他會買嗎?

• 一派認為：看的多，說明用戶感興趣，所以會買
• 另一派認為：看了這么久都不買，那肯定不會買了
• 還有一派認為：看多少次跟買不買沒關系，得看有沒有活動

聽聽似乎都有理，最后還是得數據說話。這里討論的，就是：用戶瀏覽行為與消費行為之間，是否有關系的問題。相關分析，即要找出這兩個指標之間的關系。

三、直接相關關系

注意：指標之間可能天生存在相關關系。

常見的有三種形態：

• 在結構分析法中，整體指標與部分指標之間關系
• 在指標拆解法中，主指標與子指標之間的關系
• 在漏斗分析法中，前后步驟指標之間的關系

(如下圖所示)

這三種情況，稱為：直接相關。直接相關不需要數據計算，通過指標梳理就能看清楚關系。

直接相關的情況下，兩個指標出現同時上漲/下跌的趨勢，是很好理解的。比如：

• 整個公司業績都不好，所以A分公司業績也很差(結構分析)
• 客戶數太少了，所以整體業績不好(主指標、子指標)
• 看到廣告人數太少了，所以最后轉化不好(前后步驟)

如果直接相關的兩個指標沒有同漲同跌，往往意味著問題。比如做用戶增長，注冊的新用戶數量大漲，但付費轉化率持續大幅度下跌，這就說明獲客效率在下降，可能是目標用戶已耗盡，也有可能是渠道在造假，也有可能是獲客方法有誤，總之要深入分析(如下圖)

四、間接相關關系

有些指標并非直接相關，但理論上是有關系的。比如品牌廣告與銷售收入，理論上肯定是存在關系：廣告多了，知名度高了，銷量肯定好。

但是品牌廣告又沒有帶貨鏈接，不能直接說：有5000萬的銷售業績是用戶通過廣告鏈接購買的。此時就是典型的間接相關關系(如下圖)。

分析間接相關關系，有2種常用方法，一種是散點圖法，可以直接做散點圖，發現相關關系(如下圖所示)

另一種是計算相關系數。這里先不講相關系數具體公式，小伙伴們只要記得excel里對應的操作即可(如下圖)

計算出可以發現，廣告投入與銷售兩個指標之間，確有相關關系。至于具體是怎么相關的，可以再做進一步研究。

間接相關關系，經常用來找改進業績的措施。比如互聯網行業里著名的“魔法數字”法，本質就是找用戶瀏覽、點贊、分享、登錄等行為，與用戶留存、付費行為之間的相關關系。

如果發現：當用戶點贊4次以后，用戶的90天留存會明顯增高。那么就把這個“4次留存”稱為魔法數字，然后努力推動用戶完成4次點贊。

五、相關分析的不足之處

世界上沒有完美的分析方法，相關分析有兩大不足之處。

不足一：相關不等于因果。

兩個指標相關關系，本質上只是一條數據公式計算出來的結果，至于兩個指標為啥相關?不能直接從計算里得結論。實際上只要兩個指標走勢相似，在計算的時候就能顯示出相關關系。

這里有一個經典例子，下圖是我在小區里種的一棵樹的高度，與我國GDP之間的相關分析。大家會發現：哇塞!這倆指標完美相關哦!那么我種的這顆樹就是我國的龍脈，能保佑我國經濟騰飛咯?——當然不是!這就是相關不等于因果的直接體現。

不足二：相關分析不能解決非量化指標問題。

很多時候，我們想找的關系不能用數據量化。比如我們想知道：旗艦店是不是比社區店更能吸引消費者。一個店是不是旗艦，取決于位置、裝修、宣傳等諸多因素，不能粗暴的用開店面積、員工人數等指標來代替。

想分析這種非量化特征與指標之間的關系，需要用到另一種分析方法：標簽分析法。