前提
1:实际上粗略的数据分析只能定位问题,很难找到最根本的原因。因为需要一线走访+调研。
2:不是所有的问题都得全面分析一遍,把全面分析花到重要的事情上。
因此 本着“清晰情况,突出重点” 即可。尽量通过日报 周报等固化报表 解决战斗,把有意义的分析做出报告。
1:判断指标下滑的“轻重缓急”
1:数据源,口径是否正确,数据采集是否底层出现问题。
2:数据波动大不大(正常还是异常)
3:数据波动久不久(突然还是持续,还是周期),明确开始点,变化点,结束点。
4:判断之后,不同程度不同方法
2:缩小范围,建立假设
1:从事件思考,在指标波动的开始,拐点,结束 之处 标明是否有内外事件的发生。
2:从区域思考,哪些指标不降反升,找到标杆帮助获得方法;哪些下降,聚焦找原因。
3:从客户群体,产品思考.
(可以用到公式法,多维度法)
4:利用影响系数 来找到主要的假设,
5:再次拆解更细的来验证这个主要假设;还可以采访调研 萃取经验。
3:总结
1:数据波动是,要知道是不是周期性,是不是早就开始了,下降多少重要性不同
。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。指标波动的本质:举例:体温发烧了 很重要,可能是新冠。
所以指标波动意味着业务的变化,这才是最重要的。
1:只重点关注核心指标
1:结果指标(TOP)
2:过程指标
3:边缘指标
2:判断波动大小
1:周期(节日周末 产品活动周期自然变化)
2:业务主动的活动导致:这里虽然波动是知道的,但是也要对比 是否符合业务的预期!如果有差距 也是有问题的。
3:外界的影响:同理 是否符合预期的结果
3:知道重点方向后,再开始拆解
4:业务方要知道什么,数据分析师要知道什么。
1:业务方要知道什么是最重要的指标,要知道是否属于正常的波动,要知道他短期 中期 长期都干了什么,可能有哪些影响 是否达到预期。
1:然而现实业务方只会闷头干
2:分析师要知道业务做了什么活动,哪些是周期波动,外界可能带来的结果是什么,哪些属于异常。
2:然而分析师不知道业务做了什么,不知道规律,不会预测,不知道正常数据的范围。
如何做呢?别指望这拆解就能解决问题,最重要的是标准的工作日常
1:知道业务做了什么
2:总结历史规律,正常波动范围,
3:能够大概的预测
4:梳理方法论
。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。
1:点:排除数据准确性问题,比如数据采集 埋点 业务口径
2:线:拉长时间周期,判断是否周期性问题,如果有问题,严重程度如何。
3:面:外因(PESTLE+竞争对手活动)+内因(通常对用户拆解+产品拆解+运营活动情况)
:用户可以分为:新老 渠道来源 地区 设备终端;产品分为 某些环节转化率 某些功能