大家好，我是你们的勾妹，今天又来送干货啦。

在上期《分享两个用Excel处理数据的神技巧》中，我们重点讲了 vlookup 函数和透视表功能，今天再来给大家介绍几个非常实用的技能。

数据分析一般通过 SQL 在数据库中提取数据，保存到本地 Excel，所以 Excel 是最基础也是最重要的一个数据分析工具，也是最常用的数据处理工具。

所以掌握好Excel数据分析技巧，是每一个数据分析师的硬性要求。

对比分析是数据分析中常见的一种分析方法。所有的数据只有对比才有意义，比如：每年的双 11 都会与之前的双 11 进行消费额对比。

在工作中最常见的对比对象就是大盘，比如：新上线一个功能，怎么样评估这个功能效果，除了看功能使用人数，更要做这个功能和大盘的留存对比，如果高于大盘留存，代表这个功能有非常好的正向效应。

举例：我们需要看自身 App 与竞品的重合用户与自身 App 的所有用户在客户端内的消费差异，从而针对这些重合用户，做针对性运营，这时就要用到对比分析。

以微视这款 App 为例，你会看到第一列微视与抖音的重合用户消费分类和第三列微视大盘消费分类的消费 CTR 数据（如下图所示）。

利用对比分析可以算出微视与抖音的重合用户更加偏爱哪些分类（如下图所示）。

这里的相对值 diff ，它的计算方式是第二列的消费 CTR 除以第四列的消费 CTR 再减 1 ，然后你会发现搞笑、舞蹈、明星、美食分类，它的相对值是很明显的正向。

因此，我们会针对这部分重合用户多推这些内容，减少其他内容权重。这里用到一个色阶功能，看起来会更直观。

Excel 的相关性分析会用到函数功能以及加载项功能。

相关性分析落实到场景是：在做某个子产品的时候，都会被问到你这个子产品对大盘的贡献度或者说影响度，这个时候就可以用相关性去说话。

举个例子：想评估“微信读书”这款产品，“想法”这个底部 Button 子模块的留存对整体大盘的留存的影响度。

我们要看“想法”Button 功能留存和大盘的留存在散点图上是一般相关性吗？我们都会先看散点图（如下图所示）：

图中发现趋势比较一致，这时要利用 Excel 的高级工具中的分析工具库做相关性分析。

具体分析工具库怎么找？在文件—选项—加载项—点击分析工具库，点击确定之后，在数据工具栏会出现数据分析这个模块，基于这个模块做相关性分析。（如下图所示）：

相关系数就是筛选数据，会在你指定的位置输出相关性系数（如下图所示）：

无论是相关性回归还是傅里叶系数，甚至偏机器学习，Excel 都可以做。

Excel 的临界点分析：对于任何一款产品，高活跃用户与低活跃用户在产品使用上必然不同，所以会存在某个指标，一旦用户在这个指标上的消费超过某个临界值时，后面用户会变得非常黏性，这就是 Magic number。

举个例子：对于滴滴 App，当前新用户留存较低，在分析的过程中，发现新用户在前三天一旦下单专车超过 3 次，留存就会大幅提升，所以滴滴搞了很多优惠活动，让用户基本上不花钱都可以坐车，所以滴滴留存大幅提升。

这是优惠券的使用人数以及对应的用户数及留存的原始数据（如下图所示）：

当把这个数据用插入图表的复杂功能做成这样一张图，一个柱状图还有一个折线图（如下图所示）。柱状图对应用户数，折线图对应留存，然后它的横坐标是优惠券的使用人数，使用次数。

从图中可以发现当前优惠券的使用次数是主要集中在 0、1、2 这三种情况，但是在折线留存上却是一个拐点，这代表如果用户对一个优惠券使用次数超过三次，它的留存就能发生质的变化，所以围绕这个点可以想各种各样的办法刺激用户使用优惠券。

这就是 Excel 常用工具操作，Excel 虽然比较简单，但它的功能非常强大，还想了解关于数据分析的什么技巧，欢迎来公号：勾勾谈数据分析 给我留言哦！