数据分析营销之描述性与诊断分析

之前我们讨论了在启动数据分析之前应该采取的步骤：数据准备。本期直接进入正题，学习如何提出正确的问题（使用数据科学）以及获得最佳答案（进行数据分析）。

首先准备好数据，然后从以下几个方面提出相关问题：

发生了什么事？（描述性分析）

为什么会这样？（诊断分析）

如果...会发生什么？（预测分析）

我们该怎么做？（规范分析）

今天的分享将会着重于描述性分析和诊断分析，他们是大数据价值链的支柱，对于开发支持预测和规范分析的更高级算法至关重要。

什么是描述性分析？

描述性分析是挖掘历史数据以识别特定结果之间的共同模式和相关性的分析方法。这是将大量数据提炼为简洁易懂的洞察力的最佳方式。最简单的例子就是仪表盘，它能显示一个公司各部门运转的状态，我们可以直接从仪表盘看出问题和异常。但是，它不会显示发生这种情况的确切原因 ，这就要靠诊断算法来寻找答案了。

描述性算法有助于在数据中建立不同的关系。例如，将不同的潜在客户分组。因此，预测算法会尝试预测消费者群体的可能行为。描述性分析模型有助于该算法估计不同消费者和不同产品之间的关系。

在实际营销中使用描述性分析的案例：

估计意图

针对人们在社交平台上的行为方式，社交媒体监控工具和情绪分析工具可以帮助确定潜在用户是谁。比如，XXX在朋友圈晒了一张打高尔夫的照片。

部署高级受众群细分

从消息后台查看那些内容最容易与他们产生共鸣，他们是否会对某种类型的广告做出回应。比如，发布一则数码产品新品发布的消息，会引起更多人留言或分享。

什么是诊断分析？

诊断分析的目标是了解事情发生的原因。例如，为什么今年我在市场推广投入得更多，而销售额却比去年低了10%。而在人们的操作数据中显示，当他们把商品放进购物车之后，并没有下单，数据显示，当他们在填写收货地址和付款细节的时候，退出率是最高的。因此，这中间出了一些问题：

表单未正确加载

运费太高了

表格太长了，移动不方便

没有足够的付款方式可供选择

在实际营销中使用诊断分析的案例

发现并回应异常情况，是什么导致网站搜索流量突然下降而没有任何明显的原因？诊断工具可以告诉您内部页面之间存在不平衡的链接分布，并导致暴跌。

优化营销信息和销售优惠，诊断分析可以确定不同数据点之间的因果关系。数据显示，包邮等促销优惠导致平均订单量增加15％，而如果不包邮，退出率将提高25％。

发现新的数据故事，否则可能错过了藏匿数据中的一堆隐藏关系。例如，将消费者对不同地区的相同广告活动的反应进行比较，发现来自曼彻斯特的18-25岁的女性旅行者更有可能选择“西班牙阳光明媚、豪华的度假胜地”，而不是“经济实惠的波西米亚寄宿家庭”。你还可以诊断网站的设计与功能布局如何影响搜索排名等。