关联分析，亦称“购物篮分析”，此法透过消费数据分析，探究不同商品间的相互关联，挖掘其内在联系。目的在于揭示交易间的相互关系，以指导决策制定。例如，“67%的顾客在购买啤酒时也会购买尿布”，这一发现提示我们，通过合理的货架布局或捆绑销售，可提升超市服务质量和经济效益。该方法在电子商务与零售业分析中应用广泛。

关联分析常用的关键指标包括：

探索数据分析：9种最常用方法详解！

- 支持度：反映A商品与B商品一同购买的概率。

- 置信度：表示购买A商品后购买B商品的条件概率。

- 提升度：衡量购买A商品对购买B商品的促进作用，用以评估商品组合的实际价值。

对比分析则是通过两组或多组数据的比较来挖掘数据规律，是一种可与其他技巧结合的思维方式。对比的种类包括：

- 横向对比：同一层级不同对象间的比较。

- 纵向对比：同一对象不同层级间的比较。

- 目标对比：常用于目标管理，如完成率等指标。

- 时间对比：如同比、环比、月销售情况等。

聚类分析是探索性数据分析方法之一，旨在对大量数据或样本进行分类，并根据分类方法对数据进行合理分组，实现“同类相聚，异类相分”。在用户研究中，聚类分析可解决诸多问题，如信息分类、网页点击行为关联性分析以及用户分类等。

留存分析用于衡量用户参与度和活跃度，通过观察初始行为后的用户在一段时间内是否仍有后续行为（如登录、消费）。留存不仅反映用户粘性，更体现产品对用户的吸引力。留存率根据不同周期分为日留存、周留存和月留存，其中日留存又可细分为次日、第3日、第7日、第14日和第30日留存率。

帕累托分析基于二八法则，认为20%的数据产生80%的效果。在产品分析中，通过排序找出前20%的产品，这些产品能带来较多价值，进而通过组合销售、降价销售等手段，进一步挖掘其收益潜力。

象限分析通过两种以上维度的划分，利用坐标图对数据进行分类，传递数据价值，转化为策略。象限法在产品分析、市场分析、客户管理和商品管理等场景中应用广泛。

A/B测试是一种实验方法，通过让类似访客群组在同一时间访问Web或App的不同版本，收集用户体验和业务数据，以评估并选择最佳版本。

漏斗分析是一种流程思路，通过计算关键节点间的转化率，找出流程中的问题环节，优化步骤，提升整体转化率。

路径分析追踪用户从开始到结束的行为路径，衡量网站优化或营销推广效果，了解用户行为偏好，以达成业务目标。

以上分析方法的介绍，旨在为数据分析爱好者提供新的视角和思路，助您在学习路上迈出坚实的一步。