来源:接地气的陈老师
所谓秀才提笔忘了字,经常有同学在领导要求你去分析一下XXX的时候,脑子嗡的一声,没了思路。今天分享4个简单好用的思路,可以应对大部分的问题,大家准备好小本本哦,马上开始。
思路1:陈述式分析
适用问题:你去分析一下销售/运营/商品/会员/物流情况
适用场景:领导/业务没有明确需求,第一次看业务数据
此时的重点是:讲清楚情况,清晰是第一位的要求。因此不要心急,不要一次性倾倒太多的数据出来,大家看不明白就会责怪你:分析的不清晰。此时可以按着:现状→目标→整体进度→子部门进度的方式展开。
比如你去分析一下用户情况,那么可以做如下介绍(如下图):
如果整体进度没很大问题,各子部门进展顺利,那么大家不会发表太多意见,看完后会说很好,继续监控。如果整体进度有问题,那么大家的思路会被引导到:为什么A部门执行好,B部门不行?上边去,这样就能做进一步的分析。
要注意的是!不同人的第一次是不一样。最经典的场景是,你们自己部门内数据已经看了很多遍,但是现在要做一个向高层的回报,高层领导平时根本不了解你们的细节。此时千万不能太着急,堆砌一堆数据搞得大领导头昏脑涨,十有八九被批:思路不清晰。沉住气做个陈述式分析会更好。
思路2:探索式分析
适用问题:最近销售/运营/商品/会员/物流指标没达标,为什么?
适用场景:领导/业务有明确问题,但没有具体的怀疑对象
此时的重点是:引导大家的思路,落实到一个具体的、可改进的对象上去。这一点非常重要!很多同学在面对问题的时候,喜欢翻来覆去地描述现状。比如,问为什么用户消费少了?他就憨憨答一句:因为客单价低了。
这是废话,消费=用户数*消费率*客单价,客单价低了消费肯定少。问题是为啥客单价低了呢?是商品不行?是促销搞多了?这才是大家关心的,所以做探索式分析的时候,拆分问题应该具体到某个部门可负责的事情上,这样才能落地解决方案。
比如最近用户消费没达标,那么可以做如下探索(如下图):
思路3:检验式分析
适用问题:我们最近的会员消费下跌和优惠政策调整有没有关系?
适用场景:领导/业务提了一个明确的分析要求,期待回应
此时的重点是:排除其他可能性,聚焦到核心问题。大家要注意,很多时候听上去只有一个假设,但实际上要排查的范围并不止于此。但你说出:确认是政策调整影响的时候,就意味着你选择了不是执行问题,也不是外部问题。如果没有排除掉明显的其他问题,十有八九会被批为:分析不全面,我说一句你做一句吗
此时需要主动收集:还有哪些业务假设。一些大家共识过的,不用考虑的因素,可以不纳入分析之中,聚焦几个核心问题。最常见的假设就是:是策略问题还是执行问题。
比如会员消费下跌和优惠正常有没有关系?拆分开就是:
假设1:因为调整了优惠,部分会员不满,导致不消费
假设2:优惠政策没问题,但是宣传力度不足,很多会员还不了解
另一个常见的假设,是自己部门的问题or友邻部门的问题。
比如会员消费下跌和优惠正常有没有关系?拆分开就是:
假设1:因为调整了优惠,部分会员不满,导致不消费
假设2:优惠政策没问题,但是本季商品不行,再优惠也没用
到这一步,就很考验数据分析师的工作技巧了。因为很有可能你的领导,就是想甩锅给别人(或者要防着别人甩锅),因此收集证据,是非常重要的。两个假设哪个更成立,完全看收集到的正面/反面例子那个多,越高级的数据分析师,越有能力充分收集证据,证明自己的领导的想法是对的!!
思路4:测试式分析
适用问题:如果我们调整政策/更换商品/改进版面,是否能解决问题
适用场景:领导/业务提了一个尚未发生,计划要做的事
此时需弄清三个关键问题:到底要不要做测试,要做什么级别的测试,要测的到底是啥?
1、如果计划的事情,是历史上从未发生过的(比如上一个全新的产品),那必须测试,不然没法下结论;
2、如果计划的事情,历史上做过类似的(比如投优惠券,以前也投过),那可以拿历史数据做一定参考;
3、如果计划的事情,可以小范围测试(比如让部分业务员改话术,选部分用户投券),那么优先考虑做AB分组,通过ABtest对比差异
4、如果计划的事情,没法小范围测试(比如修改渠道政策,一旦公布开弓没有回头箭),那么就得先做调研,再通过数据测算,让大家有心里准备
总之,根据计划类型来提供实验建议。
另,在实验前,一定要记录清楚以下信息,列清楚了才好做分析:
1、本次对业务调整的点是XX
2、本次调整,期望的目标是改进XX指标
3、本次没有调整XXX影响因素
比如要优化投放效果,你最好记录清楚:到底这个版本改变的是推广主图、关键字、站内路径还是商品/优惠,这样才好在各版本间做对比,如果一次性大改太多,那就只能看整体效果了,没法具体到细节(如下图)。
以上,纵观整个过程可以看出:和业务保持密切沟通,了解业务需求对症下药才是重点。
看完觉得写得好的,不防打赏一元,以支持蓝海情报网揭秘更多好的项目。