数字本身是枯燥的，但图表让数字有了形状。选对图表，结论一目了然；选错图表，结论被严重扭曲。
场景：各渠道带来的新用户数量对比、各功能的使用频次对比、各城市的 DAU 占比。
柱状图的核心是「类别之间一眼看出谁大谁小」。横轴是类别，纵轴是数值，不用任何数学基础都能看懂。
注意：柱状图不要超过 7 个类别，超过后优先排序（从大到小）再展示，否则图表会变成一团。
场景：DAU 30 天趋势、留存率每周变化、付费金额每月走势。
折线图的核心是「看变化方向」。上升还是下降？加速还是减速？有没有周期性波动？
技巧：如果有多条线（比如实验组 vs 对照组），用不同颜色标注，并在图表旁加图例说明，不要让读者猜。
场景：用户使用时长 vs 付费金额、App 打开频率 vs 留存天数、用户评分 vs 留存率。
散点图帮我们发现「相关」：两个变量是否有关联？是正向关联（越多越留）还是负向关联（越频繁反而流失）？
注意：散点图只能发现相关，不能证明因果。看到相关后，还需要设计实验（A/B 测试）才能说因果。
场景：用户行为热力图（页面点击分布）、留存 × 星期的 cohort 矩阵、DAU × 时间的双维度分布。
热力图用颜色深浅代替数字，让你一眼看到「哪块最深」——哪块就是最重要的区域。增长和运营分析最常用。
场景：注册流程转化、购买漏斗、激活步骤。
漏斗图的价值是让「每步掉了多少人」变得直观。注意：漏斗的起点选择会影响视觉感受——选一个合理的起点，不要为了「看起来转化率高」而故意缩小分母。
提示：点击正文区域或按 ← → 方向键翻页 · 按 ↑ ↓ 滚动