本文是《數據分析基礎方法與思維》專題的第二篇，上一次我們講了數據分析方法裡的基礎方法——對比分析，今天我們要講的也是數據分析中非常重要的思維方法——

其實細分分析和對比分析一樣，我們在生活中也會經常用到，也經常會被忽略。比如某次考試小明的名次很低，如果他的父母不懂細分，一定會不由分說地訓斥小明，根本找不到小明成績差的真實原因。

而如果他們懂得細分分析，應該怎麼做呢？應該將名次的維度轉化為科目，然後分析每個科目的成績，也許會發現小明只有某個科目沒有考好，再針對這個短板採取相應的策略，這就是細分分析的思想。

會員分析

其實在數據分析中，尤其是電商的分析，經常會對客戶會員等進行細分以達到精準化營銷，一方面細分客戶，挖掘有潛在價值和潛在需求的客戶，根據不同的會員生命週期劃分層級，實現精準化營銷；另一方面細分產品，找到產品和服務的不足，來提高用戶的忠誠度和購買率，從而提高利潤率。

至於細分具體在數據分析中怎麼用，我們下面就好好說一說。

一、什麼是細分分析？

如下圖所示，我們放在數據庫中的數據一定是多維的，當我們要提數的時候就可以按照不同的角度進行數據提取，但是多維度下的數據細節會被抹殺，無法具象地找到某個異常數據。

比如今年整體的銷量情況很好，只有第二季度重慶的輪胎銷量下降了，但是卻不會體現在整個數據中，而如果想要分析這種數據細節，就要不斷拆分指標和維度，也就是我們經常聽到的鑽取、切片、切塊、旋轉等。

只有通過細分，對多維度指標進行拆分，才能找到數據變化產生的原因，為數據分析決策提供基礎。

二、細分分析的方法

1、拆分法

逐步拆分是細分中經常用到的方法，主要步驟就是按照分析維度和分析目標，由淺入深地逐步拆分指標，比如按地區逐步細分，中國可以細分為廣東省、北京市、河北省等省市，廣東省又可以細分為廣州市、深圳市等，廣州市還可以繼續往下細分到各區、縣等。

除了地區，我們還可以按照下面的指標進行拆分：

• 時間：按照不同時間、時間段進行拆分，目的是發現數據發展趨勢；
• 渠道：按照不同來源進行拆分，主要是為了發現不同渠道的流量、產品差異性；
• 用戶：用戶細分比較常見，目的是尋找有價值、有潛力、購買力強的客戶；
• 組成：比如搜索由搜索詞組成，可以拆分不同搜索詞；店鋪流量由不用店鋪產生，可以分拆不同的店鋪。

以拆分法思維為基礎的數據分析模型有很多，常用的就是杜邦模型、漏斗分析模型等等，這個下文會具體介紹。

2、交叉法

上面的拆分法是聚焦於某一個維度的縱向展開，比如時間、地區等；而交叉法則是利用了不同維度的交叉，通過橫向維度和縱向維度的組合，類似於OLAP中的數據立方體，從而實現數據的擴展。

舉個例子，我們要分析某個產品的銷量情況，可以從用戶、產品、時間三個維度進行分析，用戶分析查看購買情況，產品分析查看銷量情況，時間分析查看變動情況，這三個維度分貝代表了產品銷售情況的某個特徵，通過對這個特徵進行可量化的標準，就可以多維地展示整體數據情況。

也就是說，拆分法聚焦於局部、一個維度、一個點，而交叉法聚焦於整體、多個維度、多個點，代表數據模型是RFM模型、四象限模型等。

三、細分分析常用的模型

1、漏斗分析模型

轉化漏斗分析是業務分析的基本模型，最常見的是把最終的轉化設置為某種目的的實現，最典型的就是完成交易。但也可以是其他任何目的的實現，比如一次使用app的時間超過10分鐘。

漏斗的每一層，都有一定的容量。漏斗越往下，容量越小；而層與層之間的比例，就是傳說中的轉化率，到了最底層，就是收入。

所以，要提高最終的收入，原理很簡單，就是把每一層的容量都擴大，或者，把下鑽的轉化率給提高。作為增長黑客的你，首先要學會去用數據去判斷，哪個地方的容量太小，或轉化率太低，然後再去制定方案進行針對性提高。

2、RFM模型

R是指用戶的最近一次消費時間，F是指用戶下單頻率，M是指用戶消費金額。

而RFM模型就是通過一個客戶的近期購買行為、購買的總體頻率以及花了多少錢三項指標，來描述該客戶的價值狀況。

主要步驟如下：

（1）人群劃分

第一步是按照企業實際業務需求客戶群進行分類，人群細分參考的屬性主要分為三大類：基礎屬性：如性別、年齡、地域；興趣屬性：如媒體偏好、交易行為；自定義屬性：基於行業的特徵定義的屬性

（2）明確指標

也就是通過excel或者BI工具計算出每個客戶的RFM指標，這裡我用的是FineBI，通過客戶名稱、消費時間、消費金額來處理出上次交易間隔R、交易頻率F、交易金額M三個原始字段。

（3）切分指標

因為我們要把用戶按照三個維度指標進行劃分，也就相當於將用戶放到下面這個正方體中：

因此我們要對指標進行切分，設定閾值，也就是為指標設定正負值，確保三個指標將用戶分為八個象限。通常比較常用的方法就是等頻和等寬進行切分，比如將用戶購買花費進行平均值計算，然後將M值一分兩半，大於平均值的就是願意花大錢買產品的用戶，這就是我們的重要客戶。

比如我們將用戶的R、F、M值分別進行平均值劃分，在FineBI中只需要點擊“組內平均值計算”就可以實現了：

（4）用戶分類

我們將三個指標分別進行劃分後，按照下圖的方式進行組合，就可以得到八個象限，代表8類客戶：

這樣我們的用戶細分就完成了

（5）可視化分析

利用FineBI對客戶進行細分，可以將其製作成可視化數據分析模板，以便我們按照需求進行客戶分析。

附上本次工具FineBI的下載地址：私信回覆“數據分析”免費獲得！