四、多维度拆解分析方法 （辛普森悖论）
多维度拆解分析法 可以适用于什么场景下呢？
例如，有2家医院，在近期收的1000位患者中，A医院有900位患者存活，B医院有800位患者存活，那么，是否选择A医院更好呢？
我们要通过多维度拆解的方法来思考。
患者可以分为轻症患者和重症患者。
假如患者是重症患者，那么，我们来比较A医院和B医院的重症患者组。
A医院有100例患者入院时是重症患者，其中20例存活。
B医院有400例患者入院时是重症患者，其中200例被救活了。
用同样的方法算假如患者是轻症患者的话呢？答案也是B医院好。
通过多维度拆解数据，我们发现了和一开始截然相反的结论，这种现象被称为“辛普森悖论”(Simpson's Paradox)，也就是在有些情况下，考察数据整体和考察数据的不同部分，会得到相反的结论。
如何使用多维度拆解分析法？
（1）按指标构成拆解
例如，某店铺举办活动，活动结束后，发现没有达到预期销售额，查一下原因。从指标构成来拆解，销售额=新用户销售额+老用户销售额。
新用户销售额=新用户数✖ 转化率✖新用户客单价
老用户销售额=老用户数✖复购率✖老用户客单价
这样拆解后，有利于后续找到原因来制定对应的决策。（1）如果是“新用户”导致的销售额目标没达成，可以对新用户发小额无门槛的折扣券，因为新用户往往还没有对店铺建立信任，不会第一次就购买很多。（2）如果是“老用户”导致的销售额目标没达成，可以对老用户发高额满减折扣券，起到提升复购率的效果。
（2）按业务流程拆解（维度拆解）
例如，一家线上店铺做推广，老板想看广告推广情况，最直观的就是看用户增长情况，也就是新增用户数，这里的新增用户数指的是看到推广后进入到店铺里的情况，包括但不仅仅指的是买东西的用户情况。我们按照城市，性别，推广渠道来拆解用户数。
例如，从城市维度来说，一线城市新增用户数更多。
从性别维度来说 ，男性用户更多。
按渠道拆解：
如图所示，渠道A新增用户比另外2个渠道多。
推广的目的是带来销量，我们可以对整个业务流程图进行拆解，看看哪个渠道用户转化率高呢？
如上图所示，是整个业务流程图。
将流程拆解后，我们却发现最终是渠道B用户转化率高。
再看一个案例，熟悉多维度拆解分析法。例如，有一款App,在观察用户留存率的时候，发现低年龄用户的留存率比高年龄用户的留存率低很多。这里的低年龄用户是指18岁以下的用户，例如初中生、高中生。进一步观察发现，这些低年龄的用户大多是使用一下App就再也不用了。根据这个问题，可以从指标构成、业务流程来拆解问题。
（1）按指标构成拆解
18岁以下的用户可以细划分为不同的学生阶段，不同时期的学生随着年龄的变化，行为也是有差异的，因此，我们分析不同年龄段的低龄用户是否有差异？
得到分析维度1：不同阶段的低年龄用户是否有差异？
（2）按业务流程拆解
业务流程如下：
第一步，下载，并且注册。
第二步，用户看到APP推荐的内容。（在进入首页之前，APP会让用户挑选感兴趣的话题，并以此进行推荐）。因此，第2个分析维度就出来了，是不是进入首页后，推荐的内容不是低年龄用户想看的呢？如果推荐的内容不是用户想看的，那么用户会流失。
第三步，用户进入首页后，会搜索自己感兴趣的内容。如果没找到，那么，用户会流失。因此，第3个分析维度就出来了，是不是用户想看的内容，平台上没有呢？即低年龄用户想看什么内容呢？
多维度拆解法，总结：
什么是“辛普森悖论”？
要注意“辛普森悖论”，也就是在有些情况下，考察数据整体和考察数据的不同部分，会得到相反的结论。使用多维度拆解分析方法，可以防止“辛普森悖论”。