数据化运营09 抓住问题关键：用相关性分析拆解多个影响因素( 二 ) _相关性分析

【数据化运营09 抓住问题关键：用相关性分析拆解多个影响因素】

文章插图
所以如果要提升整体留存率，我们的产品运营资源应当更多地投放给活跃用户，以提升整体的留存率；而新增访客，虽然不会拿到很多运营资源，但是我们也要去深入分析为什么新增访客的留存的贡献比较小，适时做一些提升这部分客群与整体留存的策略。
2.如何找出对购买转化率贡献最高的渠道？
基本上电商运营会同时部署多个渠道，包括线上电商平台以及线下的门店。由于现有某产品从各个渠道获客的用户在产品上的购买转化率，需要评估哪些渠道的用户对整体购买转化率贡献最大，后续将重点营销此渠道。

文章插图

文章插图
可以看出各个渠道对整体购买转化率的相关性为：
可以看出，渠道 B 的购买转化率对整体购买转化率为正向贡献，故若要提升整体购买转化率，应当投入资源在渠道 B 的运营；同时，渠道 A 和渠道 D 对整体购买转化率为负向贡献，应当仔细分析排查原因。
3.如何分析哪些因素对 DAU 的影响更大？
我们分析 DAU 时常会将它拆解为各种维度来分析，这里我们分析与 DAU 联系最紧密的维度到底是哪些，以帮助我们制定针对性的运营策略，如下图所示。

文章插图
由于数据源过多，该数据图并非完整数据，仅为部分截图。
对于这样的报表，我们需要找出到底是哪几个城市、哪个操作系统，以及哪个年龄段的用户对于 DAU 的影响最大。如果能找出来这个关系，那么后续要提升 DAU，就有非常清晰的方向。
用相关性分析可以很好地回答这个问题，在 Excel 中点击“数据”选项卡，进入“数据分析”，找到“相关系数”，选择数据区域，点击确定即可，分析结果如下图所示。

文章插图
考察这三个城市与 DAU 的相关系数，按照相关系数的大小排序依次是：上海 > 深圳 > 广州。
也就是说，从城市维度来看，上海、深圳与 DAU 的相关系数最高，超过 0.5，属于强相关；广州与 DAU 的相关系数小于 0.5，属于弱相关。
所以，如果要提升 DAU，那么促活的资源应当更多地投放在上海和深圳这两个城市的用户上。

文章插图
考察、iOS 与 DAU 的相关系数，按照相关系数的大小排序依次是：iOS < ，并且的相关系数高达 0.83，属于强相关。
也就是说，从操作系统维度来看，设备的用户活跃对整体 DAU 贡献最大。所以，如果要提升 DAU，那么促活的资源应当更多地投放在的用户上。

文章插图
考察这三个年龄段与 DAU 的相关系数，按照相关系数的大小排序依次是：大于 30 岁 > 20～30 岁 > 小于 20 岁。
也就是说，从年龄段维度来看，大于 30 岁的客群与 DAU 的相关系数最高，达到 0.94，属于强相关；20～30 岁的客群与 DAU 的相关系数为 0.12，小于 0.5，属于弱相关。

文章插图
所以，如果要提升 DAU，那么促活的资源应当更多地投放在年龄大于 30 岁的用户上。特别地，我们还发现小于 20 岁的客群与整体 DAU 呈现弱的负相关。