掌握了數(shù)據(jù)分析能力后，更要明白不能為了分析而分析，當(dāng)遇到實(shí)際問題時(shí)，我們該如何利用分析能力輸出接近于合理真相的結(jié)論呢？
本文試圖用一份編制的數(shù)據(jù)案例去描述“如何在數(shù)據(jù)分析的思維里看待問題？”，進(jìn)而如何利用數(shù)據(jù)分析能力去找出問題的原因，再通過數(shù)據(jù)之外的場景去佐證數(shù)據(jù)分析結(jié)論，最終是為后面的決策做參考。
接下來進(jìn)入實(shí)際案例的參考分析：
雙11剛剛過去，老板對今年和去年7月份以來的數(shù)據(jù)做了對比，發(fā)現(xiàn)整體銷量下降的非常厲害，希望你能給他分析出明確的原因，7-11月銷量總額為什么比去年同期下降了？
上圖是銷售運(yùn)營部門給到老板的銷量統(tǒng)計(jì)數(shù)據(jù)，數(shù)據(jù)都是編排的，如有雷同純屬意外，這里不考慮數(shù)據(jù)實(shí)際的符合度，上圖為原始數(shù)據(jù)，通過數(shù)據(jù)分析思維給老板一個(gè)交待，銷量為什么下降了？運(yùn)營的策略該繼續(xù)執(zhí)行么？
所謂結(jié)構(gòu)化思維就是有邏輯的思考，暫時(shí)放棄發(fā)散性的思考，用腦海儲備的知識對目標(biāo)進(jìn)行全面的拆解分析。
當(dāng)你得知淘寶店鋪的銷量下降的時(shí)候，你不應(yīng)該發(fā)散性的根據(jù)以往經(jīng)驗(yàn)列出一堆原因（比如競品升級、活動力度降低等等）。首先應(yīng)該靜下來對“店鋪銷量構(gòu)成”以及“能夠?qū)︿N量產(chǎn)生影響的因素”進(jìn)行拆解，進(jìn)一步明確問題根源。
比如上圖是按季節(jié)及品類對銷量進(jìn)行了拆分，目的是想了解“哪一品類的銷量下降了”，然后大膽猜測大幅下降的品類在某些方面出現(xiàn)了問題。
看著上圖又想了想，服飾非常受季節(jié)性的影響，那是不是可以對7-11月份進(jìn)行劃分一下呢，于是把月份的銷量加入銷量結(jié)構(gòu)中了。
把銷量構(gòu)成這樣拆出來后，發(fā)現(xiàn)最開始的原始銷量數(shù)據(jù)不足以看出銷量趨勢，于是對數(shù)據(jù)做了線性可視化。
從圖中能看出，該淘寶店主賣產(chǎn)品是西裝、高領(lǐng)毛衣、長袖襯衫、長褲、九分褲；毛呢大衣應(yīng)該也是主賣產(chǎn)品，但是秋冬季銷量明顯不高，所以需要重點(diǎn)關(guān)注一下毛呢大衣這個(gè)品類的情況。
于是可以進(jìn)一步針對毛呢大衣進(jìn)行分析，為什么主賣產(chǎn)品“毛呢大衣”銷量下降41%呢？分析到這里僅僅是把店鋪銷量構(gòu)成、以及銷量趨勢看清晰了，接下來我們針對毛呢大衣這個(gè)品類去分析“影響銷量的因素有哪些？”
上圖對毛呢大衣銷量下降原因的拆解也同樣適用于其他品類，并且圖中也僅僅是從店鋪內(nèi)外部去發(fā)現(xiàn)可能存在的原因，并沒有窮盡所有的因素。
比如內(nèi)部原因上，產(chǎn)品設(shè)計(jì)生產(chǎn)、產(chǎn)品展示設(shè)計(jì)排版、產(chǎn)品營銷獲客、產(chǎn)品銷售運(yùn)營等方面會對銷量產(chǎn)生影響，其中每一類原因都可以繼續(xù)細(xì)分出多個(gè)維度，每個(gè)維度如何去衡量好壞接下來指標(biāo)化要思考的。
外部原因通常是難以驗(yàn)證的，因?yàn)槟悴豢赡塬@取到競爭對手的數(shù)據(jù)，所謂的第三方報(bào)告也并不準(zhǔn)確，如果對方是上市類網(wǎng)紅店，那可以查看披露的財(cái)報(bào)數(shù)據(jù)，但是一般淘寶店都不涉及到資本運(yùn)作。
寫到這里你應(yīng)該發(fā)現(xiàn)了一些問題，所有的分析都只是各種維度的拆解，沒有可以衡量的數(shù)據(jù)，如何衡量商品展示頁設(shè)計(jì)的是否合理？如何判斷客訴解決率高不高？一切都還沒有指標(biāo)可以衡量。
所以接下來你應(yīng)該將思考出來的各個(gè)維度進(jìn)行指標(biāo)化，一切皆可以用指標(biāo)去衡量，指標(biāo)可以用數(shù)據(jù)去得出具體的數(shù)值，數(shù)值趨勢可以幫助你衡量好壞。
所謂量化就是窮盡所有指標(biāo)的最小單元，即最小不可分割原則。比如‘7-11月銷量’本身只是一個(gè)指標(biāo)對吧？但還能繼續(xù)拆分成每個(gè)月的銷量之和，也可以拆分成各個(gè)品類的銷量之和，用公式表示就是：
{7-11月銷量=7月銷量+8月銷量+9月銷量+10月銷量+11月銷量}，所以聯(lián)想一下，用公式去量化指標(biāo)是不是很好的挖掘方法？
比如銷量=下單數(shù)*（1-訂單取消率-退貨率），這個(gè)公式就可以把銷量用“下單數(shù)、訂單取消率、退貨率”等三個(gè)維度去量化，但是還是不夠窮盡，因?yàn)橐陨先齻€(gè)指標(biāo)還是可以分割的。
下單數(shù)=咨詢數(shù)*（1-咨詢流失率）+瀏覽量*（1-瀏覽流失率）；訂單取消率=支付取消數(shù)/下單數(shù)；退貨率=訂單退貨數(shù)/已支付訂單數(shù)；所以又會引出“咨詢流失率、瀏覽流失率、支付取消數(shù)、訂單退貨數(shù)”等多個(gè)衡量指標(biāo)。
經(jīng)過這樣一層一層公式化的量化，你就最可能找到那些“最小不可分割的指標(biāo)”，進(jìn)而最可能發(fā)現(xiàn)本質(zhì)的問題所在了。
所以你嘗試對毛呢大衣的銷量進(jìn)行了一定的指標(biāo)化，在純粹做指標(biāo)化的過程中，你能體會到，最小可衡量指標(biāo)大部分都是比率，因?yàn)橹笜?biāo)增長或降低最直接就是用比率來描述。
比率的變化又與用結(jié)構(gòu)化思維得出的維度相結(jié)合，外部市場競爭加劇的話，瀏覽流失率就會降低；商品質(zhì)量落后的話，商品質(zhì)量客訴率就會上升，所以僅僅統(tǒng)計(jì)銷量的變化意義不大，要統(tǒng)計(jì)關(guān)鍵環(huán)節(jié)的各層面的轉(zhuǎn)化率才能反應(yīng)哪個(gè)維度出了問題。
最終通過一次復(fù)雜的體系化的分析后，你能得到產(chǎn)品的分析框架，以后再遇到什么問題，只需要在分析框架上看數(shù)據(jù)比率變化，找到對應(yīng)影響的維度，再通過實(shí)際真實(shí)業(yè)務(wù)情況加以佐證，就能夠盡可能的接近問題真相了。
由于外部原因難以量化，所以這里只是又進(jìn)一步內(nèi)部原因指標(biāo)化了，下圖是根據(jù)一個(gè)電商用戶在淘寶站內(nèi)看見店鋪或者商品后的一系列行為分析得出的分析框架。
上圖中分析出了近20個(gè)維度指標(biāo)，并不是所有的指標(biāo)都是核心指標(biāo)，你需要結(jié)合業(yè)務(wù)去挖掘出核心業(yè)務(wù)指標(biāo)，也能進(jìn)一步完善指標(biāo)分析框架。
雖然圖中已經(jīng)把核心指標(biāo)用黃色填充標(biāo)注了，你也可以借助業(yè)務(wù)去推敲一下，這些指標(biāo)量化合理么？它們最能表現(xiàn)出業(yè)務(wù)的良好程度么？
比如圖中是站在用戶行為的角度去做的指標(biāo)框架，發(fā)生問題的主體是淘寶店鋪，對于淘寶店鋪來說，用戶怎么進(jìn)店鋪，如何看到商品，有沒有對商品產(chǎn)生興趣，咨詢客服后是否得到滿意答復(fù)，成交后的物流服務(wù)是否滿意等是核心。
至于用戶處于淘寶平臺用戶的什么階層是不太需要關(guān)注的，不管用戶是淘寶的新用戶、老用戶、活躍用戶、還是流失又召回的用戶，是怎樣的都沒有關(guān)系，只有商品或店鋪曝光在了用戶眼前，這個(gè)用戶才和淘寶店鋪產(chǎn)生了關(guān)系，所以平臺型分析思維不適合。
利用用戶在商品頁和搜索頁的行為軌跡，你對每一步的轉(zhuǎn)化進(jìn)行了比率型的指標(biāo)量化，核心指標(biāo)無非是“曝光轉(zhuǎn)化率”、“筆單價(jià)”、“件單價(jià)”、“訂單流失率”、“復(fù)購率和回購率”等，用于衡量商品頁、商品價(jià)格、用戶心理預(yù)期符合度等各維度的健康度。
本文編排的案例中是說“銷量總數(shù)下降了”，進(jìn)一步又發(fā)現(xiàn)主產(chǎn)品“毛呢大衣”銷量下降明顯，那就可以針對毛呢大衣的數(shù)據(jù)進(jìn)行分析。
將毛呢大衣的價(jià)格與銷量一起對比，能看到8-10月份價(jià)格上漲明顯，而銷量受價(jià)格影響，增長趨勢放緩，沒有去年同期增長快。
由于數(shù)據(jù)都是臨時(shí)編制的，這里就不繼續(xù)編制非常細(xì)致的瀏覽數(shù)、點(diǎn)擊數(shù)、加購數(shù)、生成訂單數(shù)、成功支付數(shù)了，感興趣的可以自行思考。
通過結(jié)構(gòu)化思維+公式化的指標(biāo)量化，你能得到非常多的衡量指標(biāo)，每一個(gè)指標(biāo)背后對應(yīng)多個(gè)維度，某一個(gè)維度雖然下降了，但很多時(shí)候并不影響最核心的指標(biāo)，比如本文中的總銷量下降不一定就會導(dǎo)致利潤下降。
銷售部門只看到了總體銷量下降了，但銷量下降就能代表利潤降低了么？總利潤才是淘寶店鋪的核心指標(biāo)，總利潤=（利潤率1*銷量1）+（利潤率2*銷量2）+（利潤率2*銷量3）........
整體銷量下降來，利潤不一定下降，很有可能是低毛利的品類銷量降低，而高毛利的品類銷量大增，雖然總體銷量降低了，但是利潤有少量增幅，如果店鋪評分沒降低、客訴率沒增多，那即使總銷量下降了，店鋪整體的健康度也是增長的，是不存在負(fù)面問題的。
所以，當(dāng)看到某些指標(biāo)下降的時(shí)候，先不要慌，去看一看最核心的指標(biāo)有沒有下降？會不會是因?yàn)椴呗缘姆艞壭哉{(diào)整才導(dǎo)致某一指標(biāo)降低，但整體利率仍然是增長的。
本文只是描述一些分析思考方法，遇到實(shí)際的問題不用無厘頭的猜測，雖然假設(shè)法是積極有效的，但實(shí)際業(yè)務(wù)中，有準(zhǔn)確直覺的人不多，既然直覺不夠靈敏、經(jīng)驗(yàn)不夠豐富，那假設(shè)出來的結(jié)論貼合度也不會太高。
你可以嘗試根據(jù)業(yè)務(wù)去利用結(jié)構(gòu)化思維、公式化思維拆解問題背后的維度層次，找到可量化可衡量的指標(biāo)，要注意的是最小可量化的指標(biāo)一般是比率的形式。
分析思維大致有這樣幾個(gè)角度：
可以從用戶生命周期的角度去考慮產(chǎn)品內(nèi)用戶整體的健康度，新用戶的獲取指標(biāo)，用戶活躍指標(biāo)，用戶留存指標(biāo)，用戶流失指標(biāo)，用戶挽回指標(biāo)。即著名的AARRR模型就非常適合用于分析產(chǎn)品各個(gè)運(yùn)作環(huán)節(jié)的情況。
AARRR模型把產(chǎn)品日常運(yùn)營分為五大部分：
用戶獲取→用戶活躍→用戶留存→用戶付出→用戶為產(chǎn)品傳播
每一部分都是同時(shí)發(fā)生的，都有其重要且可衡量的指標(biāo)。用戶獲取的獲客成本和渠道獲客轉(zhuǎn)化率、用戶活躍的平結(jié)訪問次數(shù)和時(shí)長、用戶留存的次日、七日內(nèi)留存、用戶付出的付費(fèi)用戶占比和客單價(jià)，以及平均用戶付費(fèi)收入、傳播階段的用戶分享率和用戶平均傳播影響力。
除了從平臺內(nèi)產(chǎn)品的用戶生命周期去考慮，你還可以細(xì)化到用戶行為軌跡的角度，從用戶行為指標(biāo)中發(fā)現(xiàn)產(chǎn)品功能或者內(nèi)容的健康度。
比如用戶訪問產(chǎn)品時(shí)會留下“用戶平均訪問時(shí)長”、“頁面平均訪問次數(shù)”、“用戶對某項(xiàng)功能的使用率”、“用戶在產(chǎn)品內(nèi)的關(guān)鍵常用路徑”等，分析到復(fù)雜細(xì)致階段時(shí)就能得到用戶行為軌跡的桑基圖。
來源：www.behance.net
上圖的桑基圖是百度隨意搜索的一張表現(xiàn)法國公共管理部門的資金來源以及他們是如何分配這些資金的軌跡。每個(gè)支點(diǎn)都是資金來源點(diǎn)和資金去向點(diǎn)，曲線表示資金流，曲線越寬表示資金流越大。
對比到你的產(chǎn)品用戶行為軌跡上來，支點(diǎn)就可以是產(chǎn)品功能、產(chǎn)品頁面等，曲線就代表用戶從A頁面到B頁面，或者從C功能到D功能，曲線越寬代表擁有相同行為的用戶占比越多。
這樣就能看出用戶的關(guān)鍵路徑了，做好關(guān)鍵路徑的用戶體驗(yàn)就能減少用戶流失率，也能了解用戶到底在產(chǎn)品里都做了些什么。
分析思維的角度最主要還是貼合當(dāng)前業(yè)務(wù)，選用一套適合解決業(yè)務(wù)問題的指標(biāo)體系，建立盡可能完整的可量化指標(biāo)，在遇到問題時(shí)就能有邏輯的去發(fā)現(xiàn)一些背后的問題。
