多维度数据分析 多维度数据分析怎么做

多维度拆解法

1、概念

• 维度：看问题的角度
• 拆解：就是做加法，A=维度1+维度2+···
• 多维度拆解法：通过不同的维度（角度）去观察同一组数据，从而洞察数据背后波动的原因。

从哪些维度进行拆解

• **从指标构成拆解：**分析单一指标的构成。比如单一指标为用户，而用户又可以拆解为新用户、老用户；也可以按照性别拆分为男用户、女用户。
• **从业务流程来拆解：**按业务流程来进行拆解分析，比如不同渠道的用户付费率、不同城市的用户付费率等。

应用场景1：
背景：某公司做了一款穿搭产品的APP，前段时间在微博上进行了一波大V推广，老板想看看推广情况…

数据分析团队综合分析之后，决定对推广之后的APP启动事件进行4个维度的拆解

• 按启动设备类型： iPhone，安卓和美图手机
  发现iPhone系列的启动数量远远高于其他两类，符合公司穿搭产品的定位



• 按启动来源： 分为从桌面和从PUSH两类
  数据显示用户主要是因PUSH下发的穿搭推送产生兴趣，而进入APP
• 按城市等级： 分为超一线、一线、二线、三线及以下
  数据显示只有超一线城市有打开APP，因为公司推广时只推送了北上广深，因此用户打开几率大，所以启动事件多
• 按新老用户： 分为新用户和老用户
  数据显示整体日活变化不大，略微有所上升
  但实际上是老用户占比下降、新用户占比上升，掩盖了用户流失



• 分析结论
• 目前推广群里确实吸引了一波新用户
• 但是因为用户打开APP的绝大部分原因，都来自推送
• 而我们的运营力量不足，只在北上广深等超一线城市进行了推送
• 所以微博带来的大量其他城市流量都被浪费了
• 进而导致新用户虽然不断在涨，但整体日活却相对一般

应用场景2：

分析房价的影响因素

将房价影响因素先拆分成几个方面，然后在深入探索每个方面