老板讓我做個原因分析我犯難了
? ?? 作者：拿破侖的DO君
? ? ?來源：數(shù)據(jù)氧氣
作為業(yè)務部門的數(shù)據(jù)分析師，經(jīng)常面臨的場景就是分析異常。比如老板找到你說：“小伙，幫我分析下最近一周的GMV下降的原因”。很多人拿到這個問題的時候就開始直接去找各個維度來拆分看了，最后還是一臉茫然。
首先拿到這個問題時，我們需要用之前那篇文章提到的分析方法，描述和對比分析法。就是采用描述性分析方法，看具體的GMV值下降了多少，以及采用趨勢和對比的方法來判斷是不是真正的異常，有可能去年同期也是節(jié)假日后的正常下降。這個過程就像偵探探案時了解一些案發(fā)現(xiàn)場的基礎信息。在對異常有了基礎認知之后，想要了解真相，需要細分的思維方法，一步步分解還原案發(fā)的蛛絲馬跡。但是怎么細分，以及按照什么樣的套路細分是有講究的。首先介紹細分常見的方法，筆者將其歸納為3類。通常在分析一個具體問題中可能會多種一起使用。01結(jié)構(gòu)細分第一類是按照結(jié)構(gòu)進行細分：- 事物或組織本身的結(jié)構(gòu)；產(chǎn)線的區(qū)分（如化妝品類，生鮮類等），區(qū)域的區(qū)分（如華東/華西/華南大區(qū)），渠道的區(qū)分（APP/小程序/PC端）等；- 杜邦分析法，是杜邦公司發(fā)明的，采用金字塔結(jié)構(gòu)，把企業(yè)凈資產(chǎn)收益率逐級分解為多項財務指標的比值或乘積。這個借鑒于我們常規(guī)的指標體系的分析中。比如在文首遇到的那個情景，GMV同比下降30%，可以按照杜邦分析法進行指標拆解，定位是UV少了，還是cr下降了，還是客單價降低主要影響。
-分組分析法，根據(jù)一定標準對研究對象進行分組。分組分析法分為屬性指標分組和數(shù)量指標分組。而屬性指標所代表的數(shù)據(jù)不能進行運算，只是說明事物的性質(zhì)、特征。如人的姓名、部門、性別、文化程度等指標，可以按照一定規(guī)則分組，比如頁面引流中對于同組織下：內(nèi)部引流，其他為外部引流。數(shù)量指標所代表的數(shù)據(jù)能夠進行加減乘除運算，說明事物的數(shù)量特征，比如人的年齡、工資水平、企業(yè)的資產(chǎn)等指標，例如年齡屬性：1-17：青少年，18-35青年，35-55中年，55以上老年；-矩陣分析法，又稱四象限分析法，源自著名的BCG矩陣，多用于產(chǎn)品組合戰(zhàn)略分析中，實現(xiàn)產(chǎn)品及資源分配結(jié)構(gòu)的良性循環(huán)，明星/現(xiàn)金牛/廋狗/問題產(chǎn)品。在分析場景中，可以用來評估兩種因素對于不同組的影響差異時，識別不同組間不同的業(yè)務策略。比如說評估業(yè)務中各個大區(qū)的GMV占比vsGMV同比增長率，識別到重點核心大區(qū)和有機會的大區(qū)。
02時間流程
第二類是時間（流程）維度：
- 時間顆粒度下的細分，按年/月/周/日對齊的方式細分看異常是否集中于某一時間段；- 漏斗分析法，這是互聯(lián)網(wǎng)用于行為分析中使用較多的分析法，分析從潛在用戶到最終用戶這個過程中用戶數(shù)量的變化情況，確定整個流程的設計是否合理，各步驟的優(yōu)劣，和是否存在優(yōu)化的機會。
-客戶生命周期的方法，主要應用的場景是用戶運營，聚焦不同階段用戶運營的策略，平時接觸不多，就不展開。
03程度屬性
第三類是程度分析方法，聚焦關注重點：-ABC分析法，又稱帕累托圖法。據(jù)事物在技術(shù)或經(jīng)濟方面的主要特征，進行分類排隊，分清重點和一般，從而有區(qū)別地確定管理方式的一種分析方法。A類是我們重點關注的。比如可以在平臺上去識別A類SKU帶來累計GMV達80%，B類和C類占比剩余20%，理清楚平臺的重點品類。
- A類因素，發(fā)生累計頻率為0%~80%，是主要影響因素。
- B類因素，發(fā)生累計頻率為80%~90%，是次要影響因素。
- C類因素，發(fā)生累計頻率為90%~100%，是一般影響因素。
04應用案例使用：在日常指標分析過程中，一般常用的是杜邦分析，結(jié)構(gòu)細分和漏斗想結(jié)合的方式來定位異常點。1-我們通過定位發(fā)現(xiàn)近期GMV的下降，首先拆解日期來看，沒有集中在哪一天有異常；2- 通過杜邦分析法拆解為UV*cr*客單價三個部分，定位到是轉(zhuǎn)化率cr的下將是主要影響成分。3- 拆解cr的過程，按照 詳情頁-填寫頁-提交訂單-支付訂單漏斗流程中去拆解發(fā)現(xiàn)是在填寫頁到提交訂單這個過程轉(zhuǎn)化率下降。4- 使用常見單維度因素去識別：平臺（APP/H5/PC）,主要影響是APP，產(chǎn)線（門票/跟團/酒店）無差異；5- 拆解ios/安卓系統(tǒng)，版本維度拆解去看是否對這個過程的影響；識別到時填寫頁驗證碼有bug導致 這個步驟轉(zhuǎn)化率變低，從而識別到改進點。以上這個案例是將平時的分析過程進行了簡化，但是方法和套路是不變的，多加練習，用好細分分析手法，拆解定位問題信手拈來。
◆?◆?◆ ?◆?◆
長按二維碼關注我們
數(shù)據(jù)森麟公眾號的交流群已經(jīng)建立，許多小伙伴已經(jīng)加入其中，感謝大家的支持。大家可以在群里交流關于數(shù)據(jù)分析&數(shù)據(jù)挖掘的相關內(nèi)容，還沒有加入的小伙伴可以掃描下方管理員二維碼，進群前一定要關注公眾號奧，關注后讓管理員幫忙拉進群，期待大家的加入。
管理員二維碼：
●?華農(nóng)兄弟、徐大Sao&李子柒？誰才是B站美食區(qū)的最強王者？
●?你相信逛B站也能學編程嗎
評論
圖片
表情