公式拆解法是一种针对特定指标，使用公式逐层分解影响因素的方法。例如，当我们分析产品销售额较低的原因时，可以使用公式法进行分解。
对比法则是通过比较两组或两组以上的数据，发现数据变化规律和差异的方法，是最常用的数据分析方法之一。
数据孤立无意义，对比才能显现差异。例如，在时间维度上的同比、环比、定基比，与竞争对手、类别之间的对比以及特征和属性对比等。对比法可以发现数据变化规律，经常与其他方法搭配使用。
下图展示了AB公司销售额的对比情况。虽然A公司销售额总体上涨且高于B公司，但B公司的增长势头迅猛，最终销售额还是赶超了A公司。
A/B测试是将Web或App界面或流程的两个或多个版本在同一时间维度下分别展示给类似访客群组，收集各群组的用户体验数据和业务数据，最后分析评估出最佳版本。其流程如下：
- 现状分析并建立假设：分析业务数据，确定当前最关键的改进点，并提出优化建议。
- 设定目标和制定方案：设置主要目标和辅助目标，用于衡量各优化版本的优劣。
- 设计与开发：制作两个或多个优化版本的设计原型并完成技术实现。
- 分配流量：确定每个线上测试版本的分流比例，初始阶段可较小流量设置，根据情况逐渐增加。
- 数据采集与分析：收集实验数据，判断有效性和效果。统计显著性达到一定水平时，实验可以结束。
- 根据试验结果确定新版本的发布、调整分流比例继续测试或优化迭代方案重新开发上线试验。
通过度划分，运用坐标方式表达价值，由价值直接转变为策略，从而推动落地执行。象限法是一种策略驱动的思维方法，常用于产品分析、市场分析、客户管理等。
例如，在广告点击的四象限分布中，X轴从左到右表示点击率从低到高，Y轴从下到上表示转化率从低到高。高点击率高转化的广告说明人群相对精准，是一个高效率的广告。而高点击率低转化的广告则说明点击进来的多被广告吸引，但转化低，需要优化广告内容。通过象限法的优势，可以找到问题的共性原因，建立分组优化策略。
帕累托法则源于二八法则，即在个人财富上20%的人掌握80%的财富。在数据分析中，20%的数据产生80%的效果，应围绕这20%的数据进行深入挖掘。在产品分类上，可以用ABC分析模型来测量并构建产品的重要程度模型。
漏是一种流程化的思考方式，常用于新用户开发、购物转化率等流程的分析中。整个漏斗模型是将购买流程拆分成一个个步骤，用转化率来衡量每一个步骤的表现，最终通过优化异常数据指标来提升整体购买转化率。
增长模型AARRR则是用户获取、激活、留存、收益及传播的模型。结合产品特点和生命周期位置关注不同数据指标，制定不同的运营策略。
用户路径分析是追踪用户从开始事件到结束事件的行为路径，衡量网站优化效果或营销推广效果。具体包括计算用户第一步、查看路径分布情况、进行路径优化分析、识别用户行为特征以及对用户进行细分等步骤。通过用户路径分析，可以引导用户走向最优路径或期望中的路径。
留存率是针对新用户的指标，以登录行为认定的留存为例，有日留存、周留存和月留存等不同周期的留存率。正常情况下，留存率会随着时间周期的推移而逐渐降低。
聚类分析是一种探索性的数据分析方法，用于将看似无序的对象进行分组、归类。常见的聚类方法包括K均值、谱聚类和层次聚类等。聚类分析可以帮助我们更好地理解研究对象，并对每个簇进行深入分析。