一、关联探秘

“购物篮分析”之关联探秘，是通过深入研究消费者购物数据，挖掘不同商品间的内在联系，旨在揭示交易之间的相关性，以指导决策制定。例如，研究发现67%的顾客在购买啤酒的同时也会购买尿布，因此，合理布局啤酒与尿布的货架或捆绑销售，能显著提升超市服务品质和经济效益。此方法在电子商务与零售业中应用广泛。

关联探秘中需关注的指标包括：

- 支持度：A商品与B商品同时被购买的概率，即商品组合购买次数占总购买次数的比例。

- 置信度：购买A后购买B的条件概率，即因购买A而购买B的概率。

- 提升度：购买A对购买B的促进作用，用于评估商品组合的实际价值。

二、比较洞察

比较洞察，即通过两组或多组数据的对比，挖掘数据规律。这是一种可与其他技巧结合的思维方式，优秀分析往往需要多次对比。

比较主要分为以下几类：

- 横向对比：同一层次不同对象间的比较，如江苏各市茅台销售状况。

- 纵向对比：同一对象不同层次间的比较，如江苏南京2024年各月份茅台销售情况。

- 目标对比：常用于目标管理，如完成率等。

- 时间对比：如同比、环比、月销售情况等，广泛应用于多个领域。

三、聚类探索

聚类探索，是一种探索性数据分析方法。它根据数据特性研究分类方法，按照分类方法对数据进行合理归类，最终将相似数据归为一组，实现“同类相同、异类相异”。

在用户研究中，聚类分析能解决诸多问题，如网站信息分类、网页点击行为关联性及用户分类等。用户分类是其中最常见的情况。

常见的聚类方法包括K均值（K-Means）、谱聚类（Spectral Clustering）和层次聚类（Hierarchical Clustering）等。

四、留存追踪

留存追踪，是一种分析用户参与度或活跃度的模型，考察初始行为后的用户在一段时间内是否仍保持活跃（如登录、消费）。留存不仅反映用户粘性，更体现产品对用户的吸引力。

留存率按周期分为三种：

- 日留存：包括次日、第三日、第七日、第十四日和第三十日留存率。

- 周留存：以周为单位的留存率。

- 月留存：以月为单位的留存率。

留存率通常随时间推移逐渐降低。

五、帕累托挖掘

帕累托法则，源自经典的二八法则，认为20%的数据能产生80%的效果。在数据分析中，这意味着要围绕20%的有效数据进行挖掘，以产生更大效果。

例如，商超进行产品分析时，可对商品利润进行排序，找出前20%的商品，这些商品能带来较高价值，可通过组合销售、降价销售等手段，进一步激发其收益。

六、象限策略

象限策略，通过两种以上维度的划分，运用坐标方式对数据进行人工划分，以传递数据价值，转化为策略。象限策略常应用于产品分析、市场分析、客户管理等领域。

象限策略的优势包括：

- 找到问题的共性原因。

- 建立分组优化策略。

七、AB测试

AB测试，是在同一时间维度内，让类似访客群组分别访问Web或App界面或流程的两个或多个版本，收集各群组的用户体验和业务数据，分析评估最佳版本并正式采用。

AB测试流程包括现状分析、建立假设、设定目标、制定方案、设计与开发、分配流量、采集并分析数据、根据结果确定发布新版本或调整。

八、漏斗优化

漏斗优化，是一种流程思路，通过计算关键节点之间的转化率来优化流程。这种方法适用于电商用户购买路径分析、App注册转化率等。

漏斗模型将购买流程拆分为多个步骤，用转化率衡量每个步骤的表现，通过异常数据指标找出问题环节，优化步骤，提升整体购买转化率。

九、路径优化

用户路径优化，追踪用户从开始到结束的行为路径，监测用户流向，衡量网站优化或营销推广效果，了解用户行为偏好，引导用户完成最优路径，促使用户付费。

路径优化包括计算用户行为路径、查看路径分布、进行路径优化分析和识别用户行为特征等。