数据分析案例——相关性分析

导读：这是一个基于某个特定目标，通过主动获取数据、主动分析得到一个结论，并据此设计改进方案的故事。

    小杨是链家网的数据分析师，上个月刚从运营岗位上调过来做数据工作。因为今年发力提升全公司的数据能力，所有出现了一大批数据相关的项目，部门上周宣布了一项新的任务，通过对现有数据全面的分析，寻找各个方面可以提升公司业绩的改进点，并执行优化策略。

    最近小杨感觉到很头大，分派到小杨的任务是分析链家网、链家APP的数据，寻找用户行为与最终成交的关系，这对于尚处于初级阶段的小杨来说，无疑是个巨大的挑战。好在年初从外部引进了一款数据分析工具，让小杨不至于为无米之炊。

    于是小杨揣着放大镜、一头扎进海量的数据里，仔细地观察数据。

    小杨梳理了一遍产品的业务流程，对照着数据系统里拉出来的数据，发现两个问题：

---

1.  APP端有不少用户行为数据是缺失的。比如一个正常用户的生命历程大轨迹应该是“进入网站/app——登陆——搜索房源或选择房屋筛选条件——浏览房源列表——浏览房屋详情——咨询经纪人——线下看房——成交”，小杨在数据库里无法找到用户咨询经纪人的行为、用户搜索行为、用户选择房屋筛选条件行为。

2.  网站端和移动端的用户数据并未打通，无法看到APP端的用户在网站上的操作轨迹、也无法看到网站端的用户在APP端的操作轨迹。

---

    于是小杨带着发现的两个问题，找到产品经理，提交了新的埋点方案，产品把新的埋点任务分配给了前后端研发。两周以后，小王拿到了足够多可用的数据。

    不懂只好先用笨方法，小杨把用户所有的关键行为分别和看房/购房数据做成了一张张的散点图，非常幸运，小杨有个意外收获：

搜索行为、看房、购房人数随时间散点图

    可以看出看房/购房人数似乎与发生搜索（移动端+APP端总数）行为人数的数据变化趋势接近一致，添加曲线拟合一下：

搜索行为、看房、购房人数随时间折线图

    从图中数据可以看出：

1. 搜索行为的涨跌与看房/购房的涨跌趋势保持一致

2. 周末搜索行为的涨幅大于看房大于购房，周内三者基本一致

    因此可以初步得出结论：

1. 看房/购房行为与用户的搜索行为有相关性且呈正相关

2. 周内搜索成交/带看系数（成交量/看房量除以搜索量）大于周末

    对初步结论的合理性分析：

1. 相比于漫无目的地通过系统提供的筛选项来找房的人，如果一上来就搜索功能找房子的人，目的性比较强，往往是已经通过前期的信息搜集对附近小区、楼盘、房屋状况、价格、配套设施等已经足够了解了，来搜索就是想直接看看具体的房子和价格，处于购房晚期阶段，房子周边的环境条件已经接受，要么买搜索到的那一套、要么就买附近小区类似的，所以看房/购房和搜索行为正相关，道理讲得通。

2. 周末人们的时间相对充裕，可以多看几套再做购房决策，所有上述系数周末较低，道理讲得通。

    通过以上分析，可以认定上述结论合理，可以用于指导下一步决策。

    完成了以上分析，小杨兴高采烈地拿着数据分析报告去找leader老杨汇报，并在报告中提供一条针对业务的建议：将用户的行为数据下发给门店，每当用户线上约看的时候，将用户的搜索是否进行过搜索行为、进行了多少次搜索行为数据推送给经纪人，当经纪人发现收到这类用户的约看请求时，可以“知己知彼”，从而有的放矢地跟客户讲解房源，对于进行过的客户就会格外重视，不会和新客户一视同仁。有了针对性，就能大大提高成单率。