在工作中細(xì)分推廣引流的方法，我們常常需要分析各種數(shù)據(jù)。不同的數(shù)據(jù)分析方法要怎么用呢細(xì)分推廣引流的方法？本文作者根據(jù)自己的自身經(jīng)歷，從四個(gè)角度進(jìn)行分析介紹，推薦給對(duì)數(shù)據(jù)分析感興趣的童鞋閱讀。

作為業(yè)務(wù)部門的數(shù)據(jù)分析師，經(jīng)常面臨的場(chǎng)景就是分析異常。

比如老板找到你說：“小伙，幫我分析下最近一周的GMV下降的原因?！焙芏嗳四玫竭@個(gè)問題的時(shí)候就開始直接去找各個(gè)維度來拆分看了，最后還是一臉茫然。

首先拿到這個(gè)問題時(shí)，我們需要用分析方法，描述和對(duì)比分析法。就是采用描述性分析方法，看具體的GMV值下降了多少，以及采用趨勢(shì)和對(duì)比的方法來判斷是不是真正的異常，有可能去年同期也是節(jié)假日后的正常下降。

這個(gè)過程就像偵探探案時(shí)了解一些案發(fā)現(xiàn)場(chǎng)的基礎(chǔ)信息。在對(duì)異常有了基礎(chǔ)認(rèn)知之后，想要了解真相，需要細(xì)分的思維方法，一步步分解還原案發(fā)的蛛絲馬跡。但是怎么細(xì)分，以及按照什么樣的套路細(xì)分是有講究的。首先介紹細(xì)分常見的方法，筆者將其歸納為3類。通常在分析一個(gè)具體問題中可能會(huì)多種一起使用。

一、結(jié)構(gòu)細(xì)分

第一類是按照結(jié)構(gòu)進(jìn)行細(xì)分：

事物或組織本身的結(jié)構(gòu)細(xì)分推廣引流的方法；產(chǎn)線的區(qū)分（如化妝品類，生鮮類等），區(qū)域的區(qū)分（如華東/華西/華南大區(qū)），渠道的區(qū)分（APP/小程序/PC端）等。

杜邦分析法，是杜邦公司發(fā)明的，采用金字塔結(jié)構(gòu)，把企業(yè)凈資產(chǎn)收益率逐級(jí)分解為多項(xiàng)財(cái)務(wù)指標(biāo)的比值或乘積。

這個(gè)借鑒于我們常規(guī)的指標(biāo)體系的分析中。比如，在文首遇到的那個(gè)情景，GMV同比下降30%，可以按照杜邦分析法進(jìn)行指標(biāo)拆解，定位是UV少了，還是cr下降了，還是客單價(jià)降低主要影響。

分組分析法，根據(jù)一定標(biāo)準(zhǔn)對(duì)研究對(duì)象進(jìn)行分組。

分組分析法分為屬性指標(biāo)分組和數(shù)量指標(biāo)分組。而屬性指標(biāo)所代表的數(shù)據(jù)不能進(jìn)行運(yùn)算，只是說明事物的性質(zhì)、特征。如人的姓名、部門、性別、文化程度等指標(biāo)，可以按照一定規(guī)則分組，比如頁面引流中對(duì)于同組織下：內(nèi)部引流，其他為外部引流。

數(shù)量指標(biāo)所代表的數(shù)據(jù)能夠進(jìn)行加減乘除運(yùn)算，說明事物的數(shù)量特征，比如人的年齡、工資水平、企業(yè)的資產(chǎn)等指標(biāo)，例如年齡屬性：1-17：青少年，18-35青年，35-55中年，55以上老年；

矩陣分析法，又稱四象限分析法，源自著名的BCG矩陣，多用于產(chǎn)品組合戰(zhàn)略分析中，實(shí)現(xiàn)產(chǎn)品及資源分配結(jié)構(gòu)的良性循環(huán)，明星/現(xiàn)金牛/廋狗/問題產(chǎn)品。

在分析場(chǎng)景中，可以用來評(píng)估兩種因素對(duì)于不同組的影響差異時(shí)，識(shí)別不同組間不同的業(yè)務(wù)策略。比如，評(píng)估業(yè)務(wù)中各個(gè)大區(qū)的GMV占比vsGMV同比增長率，識(shí)別到重點(diǎn)核心大區(qū)和有機(jī)會(huì)的大區(qū)。

二、時(shí)間流程

第二類是時(shí)間（流程）維度：

時(shí)間顆粒度下的細(xì)分，按年/月/周/日對(duì)齊的方式細(xì)分看異常是否集中于某一時(shí)間段。

漏斗分析法，這是互聯(lián)網(wǎng)用于行為分析中使用較多的分析法，分析從潛在用戶到最終用戶這個(gè)過程中用戶數(shù)量的變化情況，確定整個(gè)流程的設(shè)計(jì)是否合理，各步驟的優(yōu)劣，和是否存在優(yōu)化的機(jī)會(huì)。

客戶生命周期的方法，主要應(yīng)用的場(chǎng)景是用戶運(yùn)營，聚焦不同階段用戶運(yùn)營的策略，平時(shí)接觸不多，就不展開。

三、程度屬性

第三類是程度分析方法，聚焦關(guān)注重點(diǎn)：

ABC分析法，又稱帕累托圖法。據(jù)事物在技術(shù)或經(jīng)濟(jì)方面的主要特征，進(jìn)行分類排隊(duì)，分清重點(diǎn)和一般，從而有區(qū)別地確定管理方式的一種分析方法。

A類是我們重點(diǎn)關(guān)注的。比如可以在平臺(tái)上去識(shí)別A類SKU帶來累計(jì)GMV達(dá)80%，B類和C類占比剩余20%，理清楚平臺(tái)的重點(diǎn)品類。

A類因素，發(fā)生累計(jì)頻率為0%~80%，是主要影響因素。B類因素，發(fā)生累計(jì)頻率為80%~90%，是次要影響因素。C類因素，發(fā)生累計(jì)頻率為90%~100%，是一般影響因素。

四、應(yīng)用

案例使用：在日常指標(biāo)分析過程中，一般常用的是杜邦分析，結(jié)構(gòu)細(xì)分和漏斗想結(jié)合的方式來定位異常點(diǎn)。

我們通過定位發(fā)現(xiàn)近期GMV的下降，首先拆解日期來看，沒有集中在哪一天有異常；通過杜邦分析法拆解為UV*cr*客單價(jià)三個(gè)部分，定位到是轉(zhuǎn)化率cr的下將是主要影響成分。拆解cr的過程，按照 詳情頁-填寫頁-提交訂單-支付訂單漏斗流程中去拆解發(fā)現(xiàn)是在填寫頁到提交訂單這個(gè)過程轉(zhuǎn)化率下降。使用常見單維度因素去識(shí)別：平臺(tái)（APP/H5/PC）,主要影響是APP，產(chǎn)線（門票/跟團(tuán)/酒店）無差異；拆解ios/安卓系統(tǒng)，版本維度拆解去看是否對(duì)這個(gè)過程的影響；識(shí)別到時(shí)填寫頁驗(yàn)證碼有bug導(dǎo)致這個(gè)步驟轉(zhuǎn)化率變低，從而識(shí)別到改進(jìn)點(diǎn)。

以上這個(gè)案例是將平時(shí)的分析過程進(jìn)行了簡(jiǎn)化，但是方法和套路是不變的，多加練習(xí)，用好細(xì)分分析手法，拆解定位問題信手拈來。

下圖附上我整理的原因分析方法的思維導(dǎo)圖。

作者：高帆，微信號(hào)公眾號(hào)：數(shù)據(jù)氧氣，攜程高級(jí)數(shù)據(jù)分析師，4年數(shù)據(jù)分析經(jīng)驗(yàn)，2年互聯(lián)網(wǎng)數(shù)據(jù)分析經(jīng)驗(yàn)，專注于BA商業(yè)分析方向。

本文由 @高帆 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理。未經(jīng)許可，禁止轉(zhuǎn)載

題圖來自Unsplash，基于CC0協(xié)議