有一种心态叫以暴制暴，而且是采用惩罚心态地用使出更多力量去回报对方。对于普通人来说本来可能不会反击因为不懂用什么手段、用什么技巧，结果对方无形教了你这些似乎不太有用的知识后你可以一边借鉴同时结合自身生活阅历优化反击的方案。我觉得数据分析也可以采用类似的方法提高技术，当你有想法却技穷的时很难施展自己的本事，要妥善表达一个论点就需要一些技术和技巧，比如可视化手段。我们应该先具备一些数据可视化审美基础最好还能熟练掌握后再在分析报告中四两拨千斤地把故事说好。今天我就想借着老百度echarts官网提供的图表样式来反推能应用在哪些行为分析案例中，有点类似直接看了题目答案把题给做了而且完成后还特别的自豪。这种做法远不如孙正义的卡片拼凑发明方法来得难度高，我只是单纯地通过视觉激发分析灵感，是那种不讲道理跳跃式地发散式联想，大家不妨也尝试一下。
我们常用的图形有折线图、柱形图还有饼图，稍微复杂点就是柱形或折现采用堆积方式展示以及散点图，所以很快你就进入了没有技能的窘境。做数据分析中可能最不重要的就是将数据抽象成可视化图表，大不了就用心写文案弥补空缺，但有时候文字是绝对的苍白的，而且我们也非常惧怕罗列一堆数据之后还是不知道作者在表达什么，所以可视化还是具有不可替代的价值，因为一图胜万语。我们身边总有美好事物出现，不发现不代表他不存在，而可视化手法亦是一种对美好事物解读及借鉴的成果。
生活中的事物远比图表图形来得丰富和复杂。我们掌握的可视化技术实在是太过于基础了，相信未来还有超多的可视化图形诞生。
曾经有限的数据产品工作经验让我接触了百度echarts以及其他诸如H charts、data V等可视化平台或工具，里面总有一些神奇的图表能让你感叹真是漂亮，让原本复杂的数据显得异常直白以及能直观地感受到数值之间存在巨大的差异，那么咱们就看看百度echarts有哪些直接引用到行为分析报告之中的。
一、折线图
1、普通折线图
再简单没有的一张多系列折线图，我们可以应用到一天之中每个时段各个业务线的UV趋势，相信临近饭点或者发券世界节点时对应的曲线就会猛增。如果担心刚性业务的UV过大，那么可以将每个业务线时段UV改成业时段下业务线访问UV/业务线当日DAU。掌握各个业务线的访问高峰或许可以帮助平台营销人员调整push和短信发送时段避免过度集中在某个时段。
2）组合图
你联想到了什么，有贡献度占比以及趋势，那么咱就可以展示不同业务线的GMV以及对应时间内的GMV趋势，当然也可以用作同一个业务线下不同具体产品的内部对比。还有一种玩法就将业务流程拆解，比如蓝色代表只访问了业务线首页或者产品详情页，绿色代表访问深度最多抵达下单页，而黄色则是止步于下单确认页以及支付失败的用户数，而红色就是最终交易成功的人数。折线图则是对以上四类人群每日的DAU趋势做展示，也许某一天做了活动红色和黄色都有明显增长，同时作为效果对比可以再做一个饼图对比活动上线前后的漏斗成绩。还有一种玩法就是将饼图视为月访问天数用户构成，蓝色为一天、绿色为两天...，而折线图就是每天以上几类人的规模，而如果采用堆积折线图则顶部的折线就代表DAU。
二、柱形图
1）瀑布图
wow，这么有个性的悬浮柱形图似乎阐述了某个指标的构成情况，没错我也想到了页面停留时长，最左侧的是整个业务线人均停留时长，右边是业务线办理过程中每个页面的人均停留时长，我们可以轻松找到所有转化的人都在哪个页面耽误了太多的时间，应该从中找到体验问题，比如信息不明确导致用户反复浏览查找对应信息甚至点击在线客服尝试自助获取答案。当然我们也可以将页面停留时长变更为浏览次数。
2)箱型图
这张图简直太美了，上下四分位、中位数、max以及min都一览无遗。在产品体验中我们会侧重对时长做重点分析，单纯观察漏斗只能说明用户搞定了流程但多少吃力其实看不出来。我们完全可以将用户打上累计成功办理次数的标签代表熟练度，即Y轴显示累计成功办理次数的用户，X轴显示最近一次业务办理时消费的时间，如果办理1次和办理100次的数据非常接近那就代表产品已经做到了非常容易操作和理解的水平，新手和老手都能在同一个水平完成操作，当然最好新老户的耗时都很低，如果都很长那可就不太乐观了。正常的数据应该和上图比较接近，越靠近上方的代表新手越靠近下方的代表老手，时间上会存在明显的差异，问题就在于用户需要几次才能接近比较快速完成的水平，能否再早一些？
三、条形图
1）普通堆积条形图
我们不应该单纯以结果为导向地展示数据，而是将过程暴露出来。上图可以展示不同业务线转化情况，深蓝色代表仅访问首页就走的用户，绿色代表再深一步的人数..浅蓝色代表最终转化的人数，这样张图就说清楚了当下各个业务线或产品系列之间差异。或许可以相互借鉴高转化流程的交互方式。如果绝对值差异很大那么就改成转化率，何必用那些长相奇怪的漏斗图做多组产品的对比？
2）平铺条形图
这张图的结构属于总分，即按照Y轴标题分类下的二级内容进行对比，那瞬间就让人想到了频道页内各个模块或者楼层的DAU、MAU对比，用户到底来APP做啥的，都在那些模块完成流量分发？
四、饼图
1）极坐标环形图
看到这张图就能感受到越外侧的环越长而内侧靠近圆心的长度越短，此外每个环都有相同颜色构成代表流程一致，而外围的12345代表角度如果调整为1-100%的话其实就代表整体转化率。所以我想到了相同业务但不同人群的转化率，比如用户越高转化率越高但人越少。蓝色代表仅访问详情页，绿色代表进入下单环节，黄色自然就代表了成功转化的人数。
2）玫瑰图
这张图是南丁格尔玫瑰图，像极了海螺或者纸风车，他的构图不侧重角度而是每片叶子的半径，而且似乎呈现了从90°逐步衰减的趋势，很好这很符合用户转化的规律，即一旦决定购买的话用户越往后的操作越利索，name我们可以用每一片叶子代表转化前的某一步操作，比如详情页浏览次数、点击身份证输入、提交验证码操作等，直径代表转化前点击的UV。
3）双层环形图女
只要设计得足够精巧，饼和环的分割线是可以对应上的，也就是说饼图和环形图的指标是一一对应的，比如时间长度。饼图代表页面停留时长，环形图每个小单位代表对应页面内操作的时长，比如从页面打开到第一次点击用时、填写信息的耗时、填写完至提交的耗时等。业务办理类的页面的停时就应该越短越好，工作和生活已经有太多的条条框框约束了，在互联网或许就该尝试简洁快捷一些。
五、散点
1）标准散点图
绘制波士顿图表的最佳拍档，每一个点都代表当前他的价值，如果要达到某一种预期就得让一个点到达另一个象限。这里一个点就代表一个业务线，横纵代表他们的月活、次月留存，那些业务线高留存但低访问name就可以做强让更多人知道这个业务从而提升整体的留存。
2）规律的气泡图
纵轴代表了对比的对象，横轴代表时间，ok那么咱就可以对比每个时段、每日各个业务线的访客人数。
六、雷达图
1）标准雷达图
我们都说五边形战士其实就是指这个家伙的雷达图数值都是满格的。在雷达图中很快就能暴露出某一个体的某个指标的较差或较强。我想到的是不用户等级用户其浏览天数与转化率的关系，即X轴是用户等级，每一层雷达图代表累计访问N天的月转化率，不管什么等级的用户随着累计访问天数的增加月内转化概率会有所提高，而等级越高的用户浏览天数少时就开始高转化，而低等级用户即便访问多天也可能处于较低的转化率水平。
七、日历图
1）普通日历图
左上角的图太有启发了，用户在当月第一天来了之后又在第三天、第八天等做了某些操作，像极了用户访问天数的另一种阐述方式。我们何不分析下1/1来访的客户分别在当月每天都做了些啥，1/2回访了多少人，多少人做了A业务、B业务，这样才能快速识别用户回访规律，是隔周回访还是月头月尾访问？
八、流质图
1）普通流质图
高度越高则面积越大，像极了某个业务线的DAU上升后对APP的DAU带来了增长贡献，要知道低DAU的业务即便增长一倍也可能只起到了冒个泡的效果，只有观测绝对值才能快速了解DAU波动的主要原因。
九、关系图
1）常规关系图
要知道用户浏览的都是页面，页面之间是有固定流通关系的，而页面自身还具有UV、累计停时的量化指标，我们可以观测用户都是如何在页面之间流转的，气泡越大代表用户访问人数越多，然后通过一根一根线流转至下一个页面，显然我们可以尝试直接在大气泡和小气泡之间建立“桥梁”。
2）两两关系图
图形点和点的关系，那么我们要联想的就是点可以代表什么？常规的就是业务线，我们可以研究业务线之间的相关性，可以将前后连续操作的2个业务线添加关系，连续访问两个业务线的人越多连线越粗，业务线访客越多则气泡越大，这样就可以构成业务线相互交叉送流量的可能性。
十、桑吉图
1）血缘
嚯，一个到多个再到很多个，像极了用户启动APP后进入不同的频道页再点击不同模块或者楼层的路径，如果再完美一些可以对顶部的模块或楼层添加柱形图，代表用户最喜欢用哪个功能，同时中间层的频道页小散点可以改成气泡图代表访客数。
2）标准桑吉图
我们用的最多不过的行为分析图表，左侧代表入口中间代表落地页，右侧代表该业务线转化分支。
后话：
其实还有一些图表有助于数据阐述的，后续还会给大家分享。
