听说，大家都一直被数据分析所折磨。
▲ 数据分析是个什么鬼？
▲ 我怎么感觉这个数据哪哪都有问题？
▲ 天呐，我到底该先分析哪一项数据？
很痛苦有没有！
哈哈...不过，今天的文章可能会让你更痛苦。
为了帮助大家逃离数据分析的魔怔，今天就给大家带来了一篇“如何分析数据”的案例文章。
下图是某账户的营销数据。从你的角度看，你会觉得是哪里出了问题？
分析好之后，你便可以带着自己的答案看下去。
确定目的
一般情况下，我们进行数据分析是为了什么？
降低成本，增加对话、增加流量质量...等等。
但其实，最终我们都可以归结为一个目的：增加转化。
那我们在分析时，便可以基于这个目的来出发。
发现问题
既然明确了目的，是增加转化，那便可先从结果出发。
从图中我们可以看出它的线索是逐步上升，但线索成本并没有下降。
那...从结果分析来看，我们的获客成本是较高的。
分析、确定问题
线索成本高，要么是因为我们的均价高，要么就是因为我们的对话率低。
但从对话率来看，它的数据我们可以接受，说明流量质量没问题；点击率略微下降，均价居高不下，所以导致对话成本也是处于一个较高的状态。
那，由此可以确定：对话成本高从而导致了一个线索成本的问题。
分解问题
确定了问题，我们就要分解问题。
建议像这种情况，我们可以在草稿或电脑上罗列出一个思维导图。
对话成本高，我们可以从两点来解决：
. 降低对话成本
. 增加对话量
降低对话成本
降低对话成本，要么降低整体点击均价从而降低成本，要么提高对话率，以量取胜。
降低整体点击均价：我们可通过筛掉那些均价高、转化低的词来达到这一目的。
提高对话率：对话率往往和一个流量质量、转化引导有关系。那我们便可通过对以下四点进行分析，从而找到自身影响对话的一个薄弱之处。
抵达分析
承载分析
转化能力分析
流量质量分析
增加对话量
增加对话量，不过就是一个增加流量质量和流量数量的问题。
这就需要我们在增加流量数量的同时，筛选出垃圾流量。同样，我们可以通过分词来达到这一目的。
我们最初的目的是增加转化，那么便可先筛选出转化较好的词，然后进行分类。
均价高转化好：先加词，拓量之后优化创意，来控制流量。
均价低转化好：利用提价和放匹配相结合。
操作执行
当确定好方案之后，我们便可以根据这个优化方案进行执行。
那根据上面的操作，我们基本可以分为三步：
. 降低整体点击均价
. 提高对话率
. 增加对话量
那么，问题来了，我们应该先操作哪一步？
是还是，再或者、...
在数据分析中，先操作哪个或后操作哪个都有可能带来巨大的变化。
比如：当我们先进行降价处理时，那就有可能导致钱花不出去，这就需要我们先放量在收量。
所以，各位看官，关于上述的操作执行顺序，你怎么看呢？
