异动分析（二）案例实战掌握异动分析

异动分析（二）案例实战掌握异动分析

小P：小H，我看最近一周视频覆盖率一直在下降啊，是什么原因啊？帮忙查查看呗～

小H：最近有什么变动吗？

小P：没有啊～

小H：额…，别急，我找找看～

上一期讲到如何快速定位异常，这期就辅以实战案例加深理解。案例来源于我曾经的业务需求，为了避免不必要的麻烦，这里的数据是利用python生成的，并将业务背景简化处理，默认排除前置的数据传输异常和合理波动

以上数据如果有需要的同学可关注公众号HsuHeinrich，回复【异动分析02】自动获取～

这里先简单介绍下业务的场景：

业务场景：用户在APP上搜索题目后，服务侧返回几道题目作为结果展示给用户。如果这个题目绑定了视频，就算一个命中，一个视频会绑定多个题目。优先返回有视频的题目，并且曝光视频给用户。

生产场景：根据策略筛选题目->一系列内部操作处理后推送给老师->老师录制完后通过一些操作处理后上线->同步给C端服务

由于异动分析是很常见的数据分析，而且在交付的时候也常以数据分析报告的形式进行交付。所以这里就从分析报告的角度进行分享，也帮助大家了解一份简洁高效的数据分析报告是什么样的～

这只是个人的数据分析报告模版，不喜勿喷哈～

案例一：通过维度下钻发现异常

背景

今年3.26号开始，报表显示视频覆盖率逐渐下滑，近期整体的搜索（分母）较为稳定，视频生产量也没有下滑。

结论

数据表象：C渠道的搜索占比在3.20号开始出现明显的增加，由于业务本身原因，C渠道的搜索并不会提供视频，其命中率一直为0。因此低命中率来源的流量占比提高导致整体覆盖率变低。

产研解读：C渠道具有低人工成本，且技术成熟了，最近确实开始在扩量，导致挤压了其他渠道的数量。

假设

1. 某个细分群体的占比异常、命中率异常导致的
2. 整体命中下降
   • 埋点丢失
   • 视频生产环节异常，导致新视频上线周期变长，使其热度错过了高峰期
   • 策略失效，导致新上线的视频热度衰减过快，导致有视频的题目搜索量下降

抽样

根据假设抽取样本数据，一般优先验证简单的假设。如果存在多个假设的样本数据基本一致，可以合在一起抽取。这里先验证最简单的第一个假设。

• 样本选取：3.1~3.30号的历史数据

• 指标选取

  • 度量指标：搜索量、命中量、覆盖率、搜索题目数、命中题目数、命中视频数、单视频命中次数
  • 维度指标：渠道、平台、版本
  • 指标定义：略

分析过程

1. 26日覆盖率较上一日下滑近14个pp至56%，此前的覆盖率稳定在[65%~70%]，该波动属于异常波动
2. 通过版本、平台维度下钻，各细分维度均出现同步下滑，且样本比例没有异常波动
3. 通过渠道维度下钻，发现各渠道的转化率没有明显异常，但是C渠道的样本比例明显提高。且C渠道一直没有提供视频，即命中率为0。到此可以发现，低命中率的渠道C扩量导致了整体覆盖率降低。

落地跟进

经业务协商，由于C的扩量是趋势所在，因此可以考虑针对C渠道的题目进行视频录制。在策略上线后，需及时观察整体覆盖率是否有明显提高。

案例二：通过指标拆解发现异常

小P：小H，小H，组会上BOSS说来自视频的收入这几天跌的很严重，但其他收入都很稳定。急～

小H：好，别急～

背景

今年8.20号开始，来自视频的会员收入开始下滑，但其他来源的收入较为稳定。

结论

数据表象：溯源发现在8.20号开始命中次数有明显的下降，进一步查看生产数据发现近期视频同步存在缺失，导致部分新生产的视频未能同步至C端。

产研解读：经研发排查发现，近期上线合并代码时，触发了视频同步以前的小BUG，导致在部分时间的视频无法正常同步。

假设

1. 某个细分群体的收入异常导致的

2. 转化率异常，中间转化环节异常

3. 命中异常

   • 埋点丢失

   • 视频生产环节异常，导致新视频上线周期变长，使其热度错过了高峰期

   • 策略失效，导致新上线的视频热度衰减过快，导致有视频的题目搜索量下降

抽样

1. 收入数据、转化数据

• 样本选取：8.1号至8.30号的数据

• 指标选取

  • 度量指标：购买金额、单价、支付率、播放率、点击率、展现率、命中次数
  • 维度指标：策略、平台、版本
  • 指标定义：略

2. 生产数据

• 样本选取：8.1号至8.30号的数据
• 指标选取
  • 度量指标：生产量、上线量、同步量
  • 维度指标：策略、新旧老师
  • 指标定义
    • 新旧老师：新老师为注册3个月以内的老师，旧老师为注册3个月以外的老师
    • 其他：略

分析过程

1. 视频收入在27号较昨日下降33个百分点至15463，下钻各维度均呈现同步下滑趋势。

   

2. 对指标进行拆解，$收入=单价\ast \frac{购买数}{播放数}\ast \frac{播放数}{点击数}\ast \frac{点击数}{展现数}\ast \frac{展现数}{命中数}\ast 命中数$。发现中间转化过程并无异常，主要是源头的命中数下降导致。对命中进行各维度分析，各细分维度均呈现同步下降趋势。

   

3. 进一步猜测是生产问题，发现工作量每日保持不变，但同步率在27号出现大比例下降，且各细分维度均同步大幅下降。

   

落地跟进

研发修复BUG后重新上线，同时将历史未同步视频同步至c端。上线后，需及时观察命中、收入是否恢复正常，并在原先报表补齐同步环节的数据监控。

总结

本文分享了两个最常见的业务异动分析案例，整体都是根据业务提出可能的假设，由易到难逐步验证。验证过程总体思想是趋势对比，具体方法是维度下钻+指标拆解。

⚠️注意：对于比例类指标，除了查看指标本身的变化，还需关注分母在各细分群体的占比变化

共勉～