一、对比
俗话说没有对比就没有伤害，很多数据孤立地看并无卵用，对比来看才能发现问题
常用对比方式：
时间对比（同比，环比，值随时间的变化，一天内的不同时段）
空间对比（对比不同城市，地区，国家）
类别对比（不同的商品类别销售有何差异，不同性别，学历，年龄的人群消费额）
二、细分（类似于OLAP的向下钻取）
有时在大的维度下对比获得的结论非常笼统，难以精细地定位到问题，比如本月某服装品牌销售额比上月降低了50%，但是这样简单的分析没有任何价值，我们可以模仿对比的思路，将销售额按照时间，空间，类别的维度进行细分，比如：
1.细分到天，看看这个月的哪些天里销售额下降得厉害
2.细分到城市，看看哪些城市的销售额出了问题
3.细分到品类，看看哪类商品买的人少了
同时用这三个维度来定位问题，可能会得到更准确的发现（举例：本月的周末期间北京店的童装类商品销售额大幅下降，原因可能是。。。隔壁销品茂新开了儿童游乐项目）
三、拆分（不同于细分）
通过对比发现问题之后可能需要进一步深挖问题的根源，比如通过对比发现今天的销售额比昨天降低了50%，这时在销售的层面对比可能已经无法深入
根据电商销售额的基本公式：销售额=访客数×订单转化率×客单价，我们可以将销售额拆分成三个指标来看
继续对比今天昨天的访客数，订单转化率，客单价这三个指标就可以进一步定位问题所在了
四、增维
假设一个内容网站今日来自渠道A的PV，UV分别为1000，500，来自渠道B的PV，UV分别为600，400，只有这些数据可能难以对比AB渠道的流量质量如何，此时我们可以定义一个新指标——访问深度=PV/UV（即每个独立访客平均访问的页面数），这样A渠道的访问深度为2，B渠道为1.5，可见A渠道的流量质量略优于B
同理对于电商网站我们可以用UV订单转化率来作为衡量流量质量的主要指标，即有效订单数/UV（每个独立访客平均产生多少有效订单），这样我们通过增加一个比值可以更直观地做对比判断。
