中文字幕无码av不卡一区,亚洲综合AV永久无码精品一区二区,黑人巨大白妞出浆,黄色高清无码免费看,久久久久免费精品国产,久久无码人妻丰满熟妇区毛片,欧美日韩国产综合草草,久久福利网站,亚洲一区二区三区中文字幕在线,av国内精品久久久久影院

本文試圖用一份編制的數據案例去描述“如何在數據分析的思維里看待問題？”，進而如何利用數據分析能力去找出問題的原因，再通過數據之外的場景去佐證數據分析結論，最終是為后面的決策做參考。

掌握了數據分析能力后，更要明白不能為了分析而分析，當遇到實際問題時，我們該如何利用分析能力輸出接近于合理真相的結論呢？

接下來進入實際案例的參考分析：

一、發現問題

雙11剛剛過去，老板對今年和去年7月份以來的數據做了對比，發現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？

上圖是銷售運營部門給到老板的銷量統計數據，數據都是編排的，如有雷同純屬意外，這里不考慮數據實際的符合度，上圖為原始數據，通過數據分析思維給老板一個交待，銷量為什么下降了？運營的策略該繼續執行么？

二、分析問題

1. 利用結構化思維拆分銷量

所謂結構化思維就是有邏輯的思考，暫時放棄發散性的思考，用腦海儲備的知識對目標進行全面的拆解分析。

當你得知淘寶店鋪的銷量下降的時候，你不應該發散性的根據以往經驗列出一堆原因（比如競品升級、活動力度降低等等）。首先應該靜下來對“店鋪銷量構成”以及“能夠對銷量產生影響的因素”進行拆解，進一步明確問題根源。

比如上圖是按季節及品類對銷量進行了拆分，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了問題。

看著上圖又想了想，服飾非常受季節性的影響，那是不是可以對7-11月份進行劃分一下呢，于是把月份的銷量加入銷量結構中了。

把銷量構成這樣拆出來后，發現最開始的原始銷量數據不足以看出銷量趨勢，于是對數據做了線性可視化。

從圖中能看出，該淘寶店主賣產品是西裝、高領毛衣、長袖襯衫、長褲、九分褲；毛呢大衣應該也是主賣產品，但是秋冬季銷量明顯不高，所以需要重點關注一下毛呢大衣這個品類的情況。

于是可以進一步針對毛呢大衣進行分析，為什么主賣產品“毛呢大衣”銷量下降41%呢？

分析到這里僅僅是把店鋪銷量構成、以及銷量趨勢看清晰了，接下來我們針對毛呢大衣這個品類去分析“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外部去發現可能存在的原因，并沒有窮盡所有的因素。

比如內部原因上，產品設計生產、產品展示設計排版、產品營銷獲客、產品銷售運營等方面會對銷量產生影響，其中每一類原因都可以繼續細分出多個維度，每個維度如何去衡量好壞接下來指標化要思考的。

外部原因通常是難以驗證的，因為你不可能獲取到競爭對手的數據，所謂的第三方報告也并不準確，如果對方是上市類網紅店，那可以查看披露的財報數據，但是一般淘寶店都不涉及到資本運作。

寫到這里你應該發現了一些問題，所有的分析都只是各種維度的拆解，沒有可以衡量的數據，如何衡量商品展示頁設計的是否合理？如何判斷客訴解決率高不高？一切都還沒有指標可以衡量。

所以接下來你應該將思考出來的各個維度進行指標化，一切皆可以用指標去衡量，指標可以用數據去得出具體的數值，數值趨勢可以幫助你衡量好壞。

2. 將與銷量相關的指標量化

所謂量化就是窮盡所有指標的最小單元，即最小不可分割原則。比如“7-11月銷量”本身只是一個指標對吧？

但還能繼續拆分成每個月的銷量之和，也可以拆分成各個品類的銷量之和，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

所以聯想一下，用公式去量化指標是不是很好的挖掘方法？

（點擊即可查看大圖）

比如銷量=下單數*（1-訂單取消率-退貨率），這個公式就可以把銷量用“下單數、訂單取消率、退貨率”等三個維度去量化，但是還是不夠窮盡，因為以上三個指標還是可以分割的。

下單數=咨詢數*（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/下單數；退貨率=訂單退貨數/已支付訂單數；所以又會引出“咨詢流失率、瀏覽流失率、支付取消數、訂單退貨數”等多個衡量指標。

經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”，進而最可能發現本質的問題所在了。

所以你嘗試對毛呢大衣的銷量進行了一定的指標化，在純粹做指標化的過程中，你能體會到，最小可衡量指標大部分都是比率，因為指標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構化思維得出的維度相結合，外部市場競爭加劇的話，瀏覽流失率就會降低；商品質量落后的話，商品質量客訴率就會上升，所以僅僅統計銷量的變化意義不大，要統計關鍵環節的各層面的轉化率才能反應哪個維度出了問題。

最終通過一次復雜的體系化的分析后，你能得到產品的分析框架，以后再遇到什么問題，只需要在分析框架上看數據比率變化，找到對應影響的維度，再通過實際真實業務情況加以佐證，就能夠盡可能的接近問題真相了。

由于外部原因難以量化，所以這里只是又進一步內部原因指標化了，下圖是根據一個電商用戶在淘寶站內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個維度指標，并不是所有的指標都是核心指標，你需要結合業務去挖掘出核心業務指標，也能進一步完善指標分析框架。

3. 結合業務找出核心指標

雖然圖中已經把核心指標用黃色填充標注了，你也可以借助業務去推敲一下，這些指標量化合理么？它們最能表現出業務的良好程度么？

比如圖中是站在用戶行為的角度去做的指標框架，發生問題的主體是淘寶店鋪，對于淘寶店鋪來說，用戶怎么進店鋪，如何看到商品，有沒有對商品產生興趣，咨詢客服后是否得到滿意答復，成交后的物流服務是否滿意等是核心。

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，是怎樣的都沒有關系，只有商品或店鋪曝光在了用戶眼前，這個用戶才和淘寶店鋪產生了關系，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，你對每一步的轉化進行了比率型的指標量化，核心指標無非是“曝光轉化率”、“筆單價”、“件單價”、“訂單流失率”、“復購率和回購率”等，用于衡量商品頁、商品價格、用戶心理預期符合度等各維度的健康度。

本文編排的案例中是說“銷量總數下降了”，進一步又發現主產品“毛呢大衣”銷量下降明顯，那就可以針對毛呢大衣的數據進行分析。

將毛呢大衣的價格與銷量一起對比，能看到8-10月份價格上漲明顯，而銷量受價格影響，增長趨勢放緩，沒有去年同期增長快。

由于數據都是臨時編制的，這里就不繼續編制非常細致的瀏覽數、點擊數、加購數、生成訂單數、成功支付數了，感興趣的可以自行思考。

4. 銷量下降，最核心的業務指標也下降了么？

通過結構化思維+公式化的指標量化，你能得到非常多的衡量指標，每一個指標背后對應多個維度，某一個維度雖然下降了，但很多時候并不影響最核心的指標，比如本文中的總銷量下降不一定就會導致利潤下降。

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：

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，是不存在負面問題的。

所以，當看到某些指標下降的時候，先不要慌，去看一看最核心的指標有沒有下降？會不會是因為策略的放棄性調整才導致某一指標降低，但整體利率仍然是增長的。

三、分析思維總結

本文只是描述一些分析思考方法，遇到實際的問題不用無厘頭的猜測，雖然假設法是積極有效的，但實際業務中，有準確直覺的人不多，既然直覺不夠靈敏、經驗不夠豐富，那假設出來的結論貼合度也不會太高。

你可以嘗試根據業務去利用結構化思維、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，要注意的是最小可量化的指標一般是比率的形式。

分析思維大致有這樣幾個角度：

可以從用戶生命周期的角度去考慮產品內用戶整體的健康度，新用戶的獲取指標，用戶活躍指標，用戶留存指標，用戶流失指標，用戶挽回指標。即著名的AARRR模型就非常適合用于分析產品各個運作環節的情況。

AARRR模型把產品日常運營分為五大部分：

用戶獲取→用戶活躍→用戶留存→用戶付出→用戶為產品傳播

每一部分都是同時發生的，都有其重要且可衡量的指標。用戶獲取的獲客成本和渠道獲客轉化率、用戶活躍的平結訪問次數和時長、用戶留存的次日、七日內留存、用戶付出的付費用戶占比和客單價，以及平均用戶付費收入、傳播階段的用戶分享率和用戶平均傳播影響力。

除了從平臺內產品的用戶生命周期去考慮，你還可以細化到用戶行為軌跡的角度，從用戶行為指標中發現產品功能或者內容的健康度。

比如用戶訪問產品時會留下“用戶平均訪問時長”、“頁面平均訪問次數”、“用戶對某項功能的使用率”、“用戶在產品內的關鍵常用路徑”等，分析到復雜細致階段時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。每個支點都是資金來源點和資金去向點，曲線表示資金流，曲線越寬表示資金流越大。

對比到你的產品用戶行為軌跡上來，支點就可以是產品功能、產品頁面等，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鍵路徑了，做好關鍵路徑的用戶體驗就能減少用戶流失率，也能了解用戶到底在產品里都做了些什么。

分析思維的角度最主要還是貼合當前業務，選用一套適合解決業務問題的指標體系，建立盡可能完整的可量化指標，在遇到問題時就能有邏輯的去發現一些背后的問題。

#專欄作家#

Eric｜王亮，微信公眾號：運營模式，人人都是產品經理專欄作家。關注金融政策，金融產品的創新，擅長金融產品的資產和資金的靈活運用。

本文由 @Eric｜王亮 原創發布于人人都是產品經理。未經許可，禁止轉載。

題圖來自 Pixabay，基于cco協議。