什麼是分佈分析？如何應用實踐？

1846年，倫敦遭遇了慘絕人寰的霍亂災難。當時，精英群體對霍亂傳播途徑持“空氣汙染說”的看法，而約翰·斯諾(John Snow)醫生力排眾議，認為霍亂的傳播途徑是被汙染的水源。最後，事實勝於雄辯，政府透過控制被汙染的水源，拯救了幾萬人的生命。

圖一：約翰斯諾像

問題來了，約翰醫生是怎麼發現霍亂與水源之間的關係的呢?原來，他在研究過程中，統計了每位病亡人數，並在地圖上標註出死亡案例的住所，形成了一張霍亂地圖。透過分佈分析，約翰醫生發現，大多數霍亂病人的住所都圍繞在Broad Street水泵附近。他結合其他證據得出：被汙染的水源是霍亂的主要傳播途徑。

圖二：倫敦瘟疫街區圖

什麼是分佈分析?為什麼它會這麼神奇?

分佈現象遍佈我們的生活：大學時，老師給學生打的分數就是一種“正態分佈”。這種分佈意味著，大部分同學會得到一箇中等分數，只有極少數同學獲得較高分和較低分。

分佈分析被應用到很多業務資料分析中，今天，壯實跟你嘮嘮：使用者行為分析中的「分佈分析」。

01使用者行為分析中的「分佈分析」

在使用者行為分析中，分佈分析是指：指的在劃分的區間內，某個事件指標上的使用者分佈情況。它有很多種類：如按使用者發生的事件頻次分佈、按屬性值(維值)分佈、按時間段分佈等。

「按使用者發生的事件頻次分佈」，就是按指標值劃分割槽間，檢視分佈情況，如“拍照次數”的數值按1次/2次/3次……n次分佈，各佔比重多少。「按屬性值分佈」如：最近30天，全體使用者的年齡分佈情況;又如按金額分佈，觀察不同區間內的付費人數/次數分別有多少。「按發生的時間段分佈」，就是在一定時間段內，按時間軸劃分割槽間，觀察在時間軸上的分佈。

02

「分佈分析」的主要價值

分佈分析的價值，主要體現在以下幾個方面：

全盤掌握使用者屬性分佈，制定或最佳化策略

分佈分析可以幫助我們全盤掌握使用者屬性分佈， 重新制定或進一步修正策略。

我們可以透過分佈分析看到全體使用者/某一特定類別使用者中新老使用者、渠道、年齡、軟體版本、作業系統版本的分佈情況，從而整體上了解產品使用者的構成及其特點，並根據這些情況更新策略。例如，產品的使用人群主要為20-35歲的女性使用者，那麼我們產品設計、運營和市場營銷等多種策略都應該結合20-35歲的女性群體特徵。

• 快速識別使用者偏好，資源配置有的放矢

透過分佈分析，我們可以快速識別使用者偏好，進行更好地配置資源，以最小成本實現企業利潤最大化。

以淘寶為例：淘寶透過分析使用者活躍時段的分佈發現，22點-24點是使用者刷淘寶的小高峰;進一步分析該時段使用者購買的商品品類分佈得知，使用者在這段時間內下單購買的主要商品是食品。

這些分佈資料，為淘寶“二樓”版塊的提供了運營依據。使用者在淘寶首頁進行下拉動作，即可進入淘寶“二樓”，“二樓”的名字也緣自於此。淘寶將二樓的開放時間設定在夜間，它主要運用畫面精良的影片形式，深度講述商品故事，進行銷售的轉化。同時，淘寶二樓根據使用者夜間多購買食品類SKU的習慣，還推出了一檔名為《一千零一夜》的“治癒系食品”主題欄目。

• 把控分佈情況，找到產品改進方向

舉個例子，在短影片產品上線後，大盤資料顯示，使用者在該產品內的影片觀看時長較行業水平來說有較大差距。

問題出在哪兒呢?運營人員對使用者觀看影片的個數進行了分佈分析，即觀察每日觀看1個/2個/3個/4個/5個……n個影片的使用者各有多少人。分析後發現，有50%的使用者只觀看了1個影片(需要注意的是，觀看影片並不等於看完影片)，這一資料有明顯的異常(想想看，你開啟某音某手的時候，會只看一個影片就關了嗎)。

經過排查後，運營人員發現，問題出在影片載入介面上——使用者在影片觀看的過程中經常會出現載入錯誤，無法正常觀看。透過分佈分析，我們找到了產品需要緊急修復改進的問題。

03舉例：透過分佈分析，最佳化產品策略

以電商場景為例。在電商場景中，影響其業務增長的因素有很多，如：訪問使用者數、轉化率、訂單金額 、復購率等。

如果我們想要提升成交總額，就要從這些指標入手進行最佳化逐個擊破。

如復購率，我們可以透過“支付訂單成功次數”分佈分析。我們發現，該電商平臺使用者支付訂單成功的次數集中在 0-1 次之間。這種情況低於行業平均水平，所以“復購率”成為成交總額增長的關鍵點。

同樣，電商產品經理還會希望瞭解：

• 最近一週使用者瀏覽商品詳情頁的次數分佈，例如 1次/2次/3次……n次的使用者量分別是多少;

• 最近一週支付訂單金額分佈，例如：100 元、200 元、300 元的使用者數量分別是多少;

透過分佈分析，產品運營同學就可以結合資料，最佳化產品策略，最終輔助成交總額的提升。總之，分佈分析能讓我們更快地發現規律，獲得洞察。無論你是產品、運營還是市場的同學，分佈分析都是一把資料分析的利器。