tft每日頭條

 > 科技

 > 數據分析的思路和手法

數據分析的思路和手法

科技 更新时间:2024-08-18 11:13:42

編輯導語:相信很多同學在分析問題的時候都有困惑:怎麼做才算有深度的挖掘?到底要挖到什麼程度為止?一堆指标有高有低要怎麼看?這篇文章作者從四步走,詳細闡述了如何進行有深度的數據分析 ,感興趣的小夥伴一起來看看吧~

數據分析的思路和手法(做有深度的數據分析)1

今天系統的跟大家分享下,如何深入挖掘問題。

一、0級深度‍

最簡單的原因分析,就是單維度做個細分對比。比如分析為啥業績沒達标,細分一看,發現5個分公司,有2家沒達标。那麼分析結論就是:“因為2個分公司沒達标,所以業績沒達标”搞掂!

數據分析的思路和手法(做有深度的數據分析)2

當然,這時候可以再多做一步:量化每個沒達标的分公司的影響。比如看看誰是達标率很低的,誰是拖累大盤的。做到這一步,單維度的細分對比就做到頭了。

數據分析的思路和手法(做有深度的數據分析)3

二、1級深度

既然單維度細分可以做,那多維度也能做。常見的,就是拉交叉表。比如業績為啥沒達标?把産品、用戶、分公司等維度,都拉出來和業績目标做個交叉,然後把每個維度有哪些差異一一列出來。很多同學做問題原因分析,其實都在幹這個事……

數據分析的思路和手法(做有深度的數據分析)4

注意,這裡可以多做一步,就是發現幾個維度之間的聯系。因為很有可能,A、C、E三個分公司賣不好,背後有同樣原因:他們都是甲産品的主要銷售地,而甲産品做爛了……這種聯系,可以通過兩個維度交叉對比發現。

數據分析的思路和手法(做有深度的數據分析)5

三、2級深度

然而事還沒完,我們依然會追問:為啥甲産品會做爛?是這個産品先天性質量不過關,還是後期運營沒有做到位?注意!到這一步,問題發生變化。不管是“先天質量不過關”還是“後期運營不到位”,都沒法直接拿一個指标來衡量。此時,我們需要做轉化,把語文描述的假設原因,轉化成可量化,可驗證的指标。

比如“先天質量不行”,這裡有兩個點:

衡量質量,可以從産品性能、配置等硬件角度(需要二手資料收集),也可以從用戶體驗、口碑等角度(需要調研/輿情數據采集),先把指标定下來。衡量“不行”則得找到參照物,可以參照自己的上一代産品,或競争對手同期産品進行對比(如下圖)

“後期運營不到位”,也是同理,可以進一步拆分。而且因為運營涉及了推廣、促銷、商品周轉等好幾個方面,所以得每個方面單獨看數據:

  1. 推廣質量如何(各推廣渠道轉化漏鬥)?
  2. 促銷力度如何(優惠力度/整體資源投入)?
  3. 商品周轉如何(是否有渠道缺貨/積壓)?

數據分析的思路和手法(做有深度的數據分析)6

注意!當出現好幾個方面的時候,有可能有第1級深度時候的問題:幾個方面相互影響。此時由于假設不能用一個分類維度簡單替代,所以檢查相互影響的難度較大。一般來說,為了分析清楚,需要從業務邏輯角度,找“離用戶近的,上遊的”原因。比如推廣、促銷、商品周轉三者相比,推廣更上遊,推廣不行,人不夠,啥都不行。所以可以先從推廣上排查。

四、3級深度

我們在2級深度,确認了:

  • 産品的包裝不是很受消費者歡迎(前期調研沒做好)
  • 産品的價格偏貴,對手有更便宜的貨
  • 推廣效果不理想,推廣轉化率未達預期

所以呢?分析結束了嗎……

不一定,因為一個健壯的問題原因,得是:

有這個原因的時候,問題存在;沒有這個原因的時候,問題消失。

兩邊都成立,才能稱之為“健壯”,因此如果隻做到2級深度,領導經常會反問:“那是不是我換個包裝/降個價/換個文案,它業績就能好啊”說這話的同時,語氣中好充滿了不信任。

此時終結問題的最好辦法,就是:真的安排一次測試。哪怕是先小範圍的測試,确認能解決問題也行,後續推大規模測試。注意,三個問題裡,包裝問題相對難改,價格和推廣是很容易改的,做測試的時候,一般會選擇容易改的下手,盡快獲得反饋。

數據分析的思路和手法(做有深度的數據分析)7

比如價格問題,可以就近找個節日,安排一次節日促銷,動一下價格看看效果。這裡有兩個點要注意:

  1. 測試得可控,不能不留後手。比如調價,萬一全面降價,商品銷量還是沒起色,咋辦!不留後手,隻會逼死自己。
  2. 測試要注意控制其他變量。比如測價格,肯定會通過渠道投廣告,那渠道運營就不能太爛,至少拿一些之前表現相對好的渠道來做。不然又扯不清,到底渠道和價格各自影響多少。

這是企業裡做測試,與實驗室做測試的最大區别。實驗室是封閉環境,可以耐心地做各種精細分組,一個個控制變量做對比。但企業環境下,很多問題前後有牽扯,内外有影響,要往着“出業績”的方向努力。結果好,一切都好。不然磨磨唧唧試了幾次都沒提振業績,估計自己都得滾蛋了。

五、4級深度

做到3級深度,很多同學會覺得:這下終于無死角了吧。其實還是有個潛在的問題,就是:短期和長期的矛盾。短期内的重點問題,不代表長期内也是重點問題。比如短期内促銷一下就能拉起銷量。可長期來看,上的促銷越來越多,産品力越來越弱。最後經費燒盡,企業就完蛋了……

數據分析的思路和手法(做有深度的數據分析)8

因此,短期測試/驗證的結果,需要長期累計的數據做支持,以評估長期效應。這樣做數據逇時候,就不能“頭疼醫頭,腳疼醫腳”而是得做長期觀測。把每一次遇到問題的假設列清單,記錄下來,然後觀察長期内:

  • 是不是某些問題反複出現
  • 是不是有些問題持續很長
  • 是不是解決問題手段趨于單一
  • 是不是解決問題成本越來越高

如果是,那就說明存在長期問題。

數據分析的思路和手法(做有深度的數據分析)9

此時,那些反複出現、長時間持續的問題,就可以成為突破口。雖然短期内它們不是重點,會被促銷等掩蓋,但長期存在本身就是問題,就得推動業務去解決它。

六、小結

很多同學做不深入,是因為從2級深度開始,就不能隻指望幾個指标/維度交叉一下,直接拉出結論來,就得結合業務場景,轉化業務假設,然後搜集證據。這要求掌握業務場景、指标、邏輯能力。這些能力需要積累和鍛煉才能提升。

而第3、4級深度,又依賴于業務配合。我們經常見到,有些公司的業務遇到問題,不是甩鍋,就是粉飾太平,要麼就是不分三七二十一搞打折促銷,導緻很多假設無法被驗證,分析經驗也無法積累。

這時候,就要求做數據的同學,自己有總結問題的能力,歸納業務到底幹了啥。如果我們發現業務隻會“三闆斧”,發現一些持續性問題始終沒人管,其實我們的洞察能力已經上了一個台階。如果我們能再設計實驗,驗證假設。即使沒有真的投産,也是寶貴的分析經驗積累。這些經驗能讓我們在其他更規範的企業,發揮價值。

#專欄作家#

接地氣的陳老師,接地氣學堂,人人都是産品經理專欄作家。資深咨詢顧問,在互聯網,金融,快消,零售,耐用,美容等15個行業有豐富數據相關經驗。

本文原創發布于人人都是産品經理。未經許可,禁止轉載。

題圖來自 Unsplash,基于CC0協議。

,

更多精彩资讯请关注tft每日頭條,我们将持续为您更新最新资讯!

查看全部

相关科技资讯推荐

热门科技资讯推荐

网友关注

Copyright 2023-2024 - www.tftnews.com All Rights Reserved