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( 三 ) _相关性分析

一般而言，出现了负相关情况我们要更加留意，并且进行深入的专题分析。例如，分析这部分客群的行为和路径特征、留存等情况，来判断是产品功能或服务无法满足，还是用户体验不好，或是运营活动出现偏差导致了出现负相关。如果这个客群仍是我们的目标客群，那我们仍需要在做上述分析后努力将负相关转为正相关。
用“相关性分析”找出违背业务常识的真实情况

文章插图
相关性分析除了能帮我们找出关键的影响因素，还能帮助我们论证业务逻辑的有效性，甚至能纠正我们的思维误区。
有时候，我们想当然的业务常识，可能就是与真实情况相悖的。接下来，向你介绍一个案例。
我有一个朋友是做快消品的，负责公司牙膏产品的渠道推广。他在快手、抖音等短视频平台根据产品的功能特性投放了大量的广告，希望可以引流短视频用户到淘宝去付费下单。
可他用“相关性分析法”追踪短视频平台商品链接的点击情况与淘宝付费下单情况时，非常意外地发现产品视频的点击量和淘宝的付费用户数毫无相关关系。
然后据此追踪用户行为，经过仔细排查后发现，用户的行为模式并不如预期所想。
于是厂商果断大幅调整营销方向，不再在短视频平台投放“产品功能特性关键字”，而是投放“品牌”；在淘宝搜索栏也不再购买“产品功能特性关键字”，而是购买“品牌类关键字” 。如此之后营销效果立竿见影。
如果没有相关性分析，谁能想到在各大短视频平台投放产品营销资源，与引流到电商完成付费转化这两者几乎无关联呢？
【注意：相关性分析前，别忘剔除指标中的异常值】
异常的指标，不管是极大值，还是极小值，都会显著影响相关性的计算，严重影响相关性结果。所以一般情况下，需要先通过描述性统计找出异常值，将异常值剔除后再进行相关性分析。
关于异常值，你可回顾《07 | 分析突破口：如何通过指标抓取数据的主要特征？》
操作：在 Excel 中进行“相关性分析”
在 Excel 中为我们提供了相关性分析的算法包，操作步骤如下。
第一步：点击“数据”选项卡，找到“数据分析” 。

文章插图
第二步：选择数据区域。

文章插图
第三步：点击确定完成。

文章插图
小结
“相关性分析”最大的作用，就是将两个事情/事物之间的关系做出了量化考核：
当 p 的值在 [0.5,1] 之间，认为指标间是强相关；
当 p 的值在 [0.1,0.5) 之间，认为指标间是弱相关；
当 p 的值在 [0,0.1) 之间，认为指标间是无相关
并能通过量化值对致因因素进行排序，让我们对业务的影响因素有了更清晰的认知，也就是能让我们看清事情的主要矛盾，能抓住“问题关键”制定出更合适的运营策略。
讲到这里，第一大类分析：描述分析的三种常用分析方法就讲完了，下图是这三个方法的核心知识点，希望你能够结合自己的工作场景去理解和使用。

文章插图
接下来我们就要进入第二大类分析：推断分析的内容，看看推断分析能够为我们的产品运营解决哪些更加复杂的场景和问题。
我是磊叔，下次课见~~~