首先問個問題：男生點擊率增加，女生點擊率增加，為啥總體點擊率會減少呢？
為什麼會出現這樣的情況呢？因為我們只看數據的整體，我們往往會忽略數據內部各個部分的差異，而忽略
這些差異進行比較，就有可能造成判斷的偏差。
辛普森悖論：考察數據的整體，和考察數據的部分會得出相反的結論。
比如我們可以拆解來看：
原來：男生20人，點擊1人，女生100人，點擊99人，點擊率為20/120.
現在：男生100人，點擊6人，女生20人，點擊20人，點擊率為26/120.
因為男女之間的點擊率有較大的差異性，而且低點擊率群體的佔比增大造成了這個結果。
這就是多維度拆解分析方法。
那麼多維度拆解分析方法一般由哪幾個角度去拆解呢？
一般我們會從指標的構成和業務流程兩個角度去拆解。
還是舉個栗子來說吧
比如說有個APP 的日用戶留存率下降了5%，該怎麼分析呢？
我們就從指標的構成和業務流程兩個角度去拆解分析。
首先我們從高用戶進行細分，包括新老，渠道，活動，畫像等多個維度，然後再分析每個維度下不同用戶的次日留存率，通過這種方式來定位到導致留存率下降的用戶群體是誰。
關於指標問題，可以參考一下這張思維導圖，也可參考之前我發的大白話系列文章。
通過指標分析到目標客戶群體後，我們可以具體情況具體分析，通過參考內部-外部因素來進行分析。
內部元素：我們知道，無論是電商購買還是APP留存，都是一個漏斗模型，APP從業務分解來看，就是 新用戶 > 首頁 > 留下來/離開 這個漏斗模型。
在這個期間，會有很多因素影響著：
獲客渠道：獲客渠道質量低，活動獲取了非目標客戶
滿足要求：首頁推薦的內容不滿足用戶的需求/用戶在下載該APP後沒有找到自己滿意的內容
提活手段：簽到等提活手段沒有達到預期效果/產品使用週期率低導致大量用戶在短時間內不再使用該APP
外部因素：即為PEST分析模型
採用PEST分析（宏觀經濟環境分析），政治（政策影響）、經濟（短期內主要是競爭環境，如對競爭對手的活動）、社會（輿論壓力、用戶生活方式變化、消費心理變化、價值觀變化等偏好變化）、技術（創新解決方案的出現、分銷渠道變化等）。
看到這裡，相信你對多維度分析方法有個大概的瞭解了。
最後打個小廣告，我的微信公眾號（顧先生的數據挖掘）
喜歡的小夥伴可以關注下，你的關注是我最大的動力。
