流量波动分析——系统思维（从案例入手）

夺命十三剑最厉害的是第十五剑，这是死亡之剑，也是地狱之剑。在第十五剑面前，再花哨的剑招也变得可笑。

波动分析是数据分析师日常经常要面对的一个问题，电商平台、互联网公司经常面临流量波动，波动涉及的原因方方面面，比较复杂，如果没有掌握分析套路就一猛子扎进去开始分析，得出的结论不会太系统，容易遗漏。这里以一个网易的数据分析题目为例子，说说波动分析该怎么做。

来源：网易2020数据分析笔试题
当你发现本月的支付用户数环比上月大幅下跌（超30%），你会如何去探查背后的原因？请描述你的思路和其中涉及的关键指标。

我一直认为明白问题是什么非常重要。涉及波动问题，首先就要搞清楚是不是波动了。比如要考虑以下问题，你拿到的数据是不是真实的？有没有可能是统计错误，取数不完整，比如统计的本月支付用户数其实就是半个月的呢？或者是不是统计口径出现错误，比如遗漏了某个SKU等。搞清楚这个问题很重要，如果开头就错了，那做再多也是南辕北辙缘木求鱼了。

在这个环节可以与相关的业务负责同事多交流沟通，了解他们的看法，这对发现问题很有帮助，很可能这种波动就是一种规律性很强或者原因很明显的波动，业务人员一下子就能八九不离十的定位原因，省去了你很多功夫。当然，这里只考虑分析思路问题，废话不多说，上思路。

• 常识判断。 某个月支付用户数大幅下降可能是外部发生的对整个社会群体影响很大的事情。如节假日、开学、寒暑假，如果该电商是做羽绒服销售的，那么到了春夏，销量必然会大幅下降。像这种波动必然是呈现周期性，只要把取出一两年的历史数据就可以看出其中的规律。
• 热点事件。社会新闻、热点事件也是外部发生的对整个社会群体影响很大的事情。如本次疫情导致口罩、消毒液、酒精等的销量大增，类似的发生禽流感、猪流感等也会让相关禽肉的销量大跌。如三聚氰胺事件对三鹿的降维打击等，都属于此类原因。
• 国家政策的变化。一条政令可以改变所有国人的生活，这个也是需要考虑的因素。
• 竞品/替代品。竞品的数据是需要关注的，竞品采取的促销活动可以在短时间内吸引很多客流，导致本产品的销售数据下滑。比如竞品在李佳琪的直播间进行促销，短时间内的成交量肯定会激增，极大影响本品的销售。
• 本产品的问题。要去排查自己的产品是不是出了问题，可以抓取平台上的买家评价数据，与负责产品的同事沟通，找出问题所在。
• 用户行为因素。这个不仅需要从总体上判断用户的行为偏好，还要对用户进行细分，如分析对比不同地域用户的下单数量，判断订单量下降是地区性还是全国性问题；再如分析用户结构，是新增用户减少了，还是老用户购买量下降了。

就本题目而言，这个其实有点跑题了，但我觉得这个套路挺有用的，不仅适合电商，其他需要数据分析的公司也可以应用，就算我“借题发挥”吧。

回到本问题，宏观层面其实涉及不到太多指标的问题，公司还是想考察对业务的理解。
思路：对转化率进行漏斗分析，一般来说人们下单需要几个环节，浏览---->加购物车/收藏---->下单，路径比较明确。然后根据具体维度进行分析，可以从渠道侧、产品侧、用户侧分析转化率。

• 渠道侧。从不同渠道进来的用户转化率比较，横向比较和纵向比较，哪个渠道存在问题。
• 产品侧。从产品维度进行转化率细分，哪种商品的销量下降了，A品，B品 or C品？如果都下降了，哪种商品的下降幅度最大？针对下单量下降的商品，是浏览量、加购物车/收藏量、下单量绝对数量下降了，还是转化率下降了？
• 用户侧。从用户维度进行转化率细分，基础属性、行为属性两个角度。基础属性包括地域、来源（搜索还是push）、移动端还是pc端等，行为属性包括初次购买还是复购，停留时长，跳出、退出率等。

其中涉及到的主要指标包括：

依据这个套路，就很容易能够把方方面面的因素都考虑到，当有方向的时候，得出结论的难度就能下降很多了。当然，电商的分析指标有很多，也非常细，这里只是列了一些相关性比较高的主要指标，感兴趣的朋友可以深入研究一下。

我不是大神，也不是小白，只是希望我知道的也能让你知道。