在上一篇文章《寫給大家看的數(shù)據(jù)分析思路(一)》中，著重介紹了數(shù)據(jù)分析 6 步的前 3 步：構(gòu)建 X 問題、提出假設(shè) & 選擇指標(biāo)、數(shù)據(jù)采集與整理，這 3 步如果沒有足夠的數(shù)據(jù)處理經(jīng)驗(yàn)，可能會(huì)耗費(fèi)整個(gè)數(shù)據(jù)分析 60%-70% 的時(shí)間，但下面一個(gè)環(huán)節(jié)──數(shù)據(jù)分析，雖然耗時(shí)不如準(zhǔn)備階段那么多，卻是所有環(huán)節(jié)中專業(yè)門檻最高、含金量最高的環(huán)節(jié)。本文將會(huì)介紹數(shù)據(jù)分析的基礎(chǔ)工具，以及幾種在產(chǎn)品設(shè)計(jì)分析上非常有用的數(shù)據(jù)模型。

必知的基礎(chǔ)數(shù)據(jù)分析工具

1. 常規(guī)統(tǒng)計(jì)分析

從后臺(tái)獲取的原始數(shù)據(jù)往往是獨(dú)立的一條條數(shù)據(jù)，我們必不可少需要進(jìn)行基礎(chǔ)的數(shù)理計(jì)算，包括但不限于求和、算平均數(shù)、比率、計(jì)數(shù)、最大最小值等。如：訂單轉(zhuǎn)化率由引入訂單數(shù)/頁面 UV 而來，客單價(jià)由總引入訂單金額/引入訂單數(shù)而來等等。

除此之外，常用的統(tǒng)計(jì)學(xué)方法還有：

• 結(jié)構(gòu)分析，如男女用戶占比;
• 分布分析，如品類訂單金額分布;
• 分組(群)分析，如分流失用戶和活躍用戶 2 類人群進(jìn)行用戶特征分析、分地區(qū)進(jìn)行訂單分析、分品類進(jìn)行購買頻次分析。

2. 對(duì)比分析

對(duì)比分析在上一篇文章中已提到過，基本上 90% 以上的分析都離不開對(duì)比。沿著提出假設(shè)及對(duì)應(yīng)的衡量指標(biāo)的思路，我們有了一個(gè)假設(shè)「X 策略可以提升 A 頁面的賣貨效果」，且定義此假設(shè)的衡量指標(biāo)為「頁面轉(zhuǎn)化率」，當(dāng)我們拿到頁面轉(zhuǎn)化率指標(biāo)后，轉(zhuǎn)化率需要達(dá)到多少才算好呢?是否是因?yàn)?X 策略帶來的提升，還是可能是時(shí)間規(guī)律上的自然上漲?這時(shí)就可以通過對(duì)比來分析了。

縱比：在時(shí)間維度上，對(duì)比頁面 A 在使用 X 策略后，頁面轉(zhuǎn)化率是否提升了?

橫比：選取同時(shí)期的同類頁面，頁面 B，橫向?qū)Ρ壤享撁?A、新頁面 A、B 三個(gè)頁面的轉(zhuǎn)化率對(duì)比情況。

與經(jīng)驗(yàn)值對(duì)比：可以拉取更長的時(shí)間段，看 A 頁面的轉(zhuǎn)化率變化規(guī)律，看使用 X 策略是否高于時(shí)間規(guī)律上的預(yù)期值;可以選取更多同類頁面，選取同時(shí)期的轉(zhuǎn)化率對(duì)比，看 A 的轉(zhuǎn)化率處于哪個(gè)位置?

與業(yè)務(wù)目標(biāo)對(duì)比：假如大的業(yè)務(wù)目標(biāo)其實(shí)是 GMV 為 2000w，計(jì)算目標(biāo)轉(zhuǎn)化率=目標(biāo) GMV/(UV×客單價(jià))，然后對(duì)比目標(biāo)轉(zhuǎn)化率和目前轉(zhuǎn)化率的差距。

各個(gè)角度的對(duì)比都能幫助你更清晰地理解目前指標(biāo)的情況，然后就可以據(jù)此繼續(xù)做下一步計(jì)劃。

3. 趨勢(shì)分析

數(shù)據(jù)趨勢(shì)分析，一般會(huì)選取一個(gè)較長的時(shí)間段來看數(shù)值的起伏變化趨勢(shì)?？蹿厔?shì)有什么用呢?在電商場(chǎng)景下，最常見的運(yùn)用是做流量和交易情況實(shí)時(shí)監(jiān)控，在產(chǎn)品、運(yùn)營均未做大幅改變時(shí)，數(shù)據(jù)一般會(huì)呈現(xiàn)在一個(gè)數(shù)據(jù)區(qū)間內(nèi)，表現(xiàn)出相對(duì)穩(wěn)定的變化規(guī)律?？梢愿鶕?jù)此規(guī)律做數(shù)據(jù)預(yù)警和適應(yīng)性運(yùn)營策略。

數(shù)據(jù)預(yù)警：當(dāng)某天的數(shù)據(jù)趨勢(shì)線出現(xiàn)明顯異常的變化時(shí)，就需要引起項(xiàng)目組的警惕，去排查變化原因并及時(shí)作出應(yīng)對(duì)策略。如某頁面 UV 突然大幅下降，可能是商品配置出現(xiàn)問題或者頁面出現(xiàn) BUG 導(dǎo)致。

 

△ 流量趨勢(shì)線在11.7忽然下降，可能異常

 

適應(yīng)性運(yùn)營策略：某服飾類的頻道，歷史呈現(xiàn)出的規(guī)律是工作日流量相對(duì)較高，到周末則會(huì)出現(xiàn)明顯的下降。當(dāng)運(yùn)營想要在此頻道推出一個(gè)女裝主題的促銷活動(dòng)時(shí)，就可依據(jù)此規(guī)律選取工作日為活動(dòng)上線時(shí)間。

 

△ 流量趨勢(shì)線規(guī)律性的在周末下降

 

4. 交叉分析

交叉分析可用于兩個(gè)或兩個(gè)以上的變量關(guān)系分析。在電商活動(dòng)場(chǎng)景中，將交叉分析+趨勢(shì)分析結(jié)合起來，也是一個(gè)比較有用的分析角度。比如最常用的，將流量 UV+轉(zhuǎn)化率，放到時(shí)間趨勢(shì)里面去，就可找到投入產(chǎn)出高和低的活動(dòng)日.轉(zhuǎn)化高但流量低的日期，流量的投入產(chǎn)出高，可以引入更多的流量;而流量高轉(zhuǎn)化低的日期，投入產(chǎn)出低，需要尋找問題優(yōu)化售賣策略。比如，下圖為頁面點(diǎn)擊率和轉(zhuǎn)化率間的數(shù)據(jù)曲線，則可發(fā)現(xiàn)點(diǎn)擊率與轉(zhuǎn)化率變化趨勢(shì)基本保持一致。

△ 頁面點(diǎn)擊率(上)和頁面轉(zhuǎn)化率(下)

 

也可加入第三個(gè)變量，在前面的例子中，再加上 UV 的屬性，可發(fā)現(xiàn)看出 3 者的變化規(guī)律。

 

△ UV、點(diǎn)擊率、轉(zhuǎn)化率3個(gè)指標(biāo)交叉

 

有用的數(shù)據(jù)模型

1. 價(jià)值矩陣分析法：通過數(shù)據(jù)找到最有價(jià)值的方向

對(duì)比分析往往只是在單一維度上進(jìn)行價(jià)值對(duì)比，直接得出誰高誰低。但在實(shí)際情況中，就跟做人才選拔一樣，既需要看成績也需要看潛力，衡量的維度往往會(huì)有多個(gè)。在企業(yè)眾多的業(yè)務(wù)線/產(chǎn)品的眾多功能模塊中，哪些值得加大資源投入、哪些應(yīng)該及早放棄，才能使企業(yè)的資源得到最大化的運(yùn)用呢?

價(jià)值矩陣分析法就可以用于綜合衡量多個(gè)因素的價(jià)值，輔助決策在哪些因素可以加大投入。放到企業(yè)決策中，可以判斷業(yè)務(wù)的價(jià)值高低;放到頁面模塊或產(chǎn)品功能模塊的場(chǎng)景中，可以用于判斷功能/模塊的價(jià)值;放到渠道質(zhì)量評(píng)估中，可以用于評(píng)估多個(gè)渠道的用戶質(zhì)量。

• 我們以功能模塊價(jià)值評(píng)估為例來詳細(xì)介紹如何使用價(jià)值矩陣分析法。在電商賣貨的頁面中，有 A、B、C、D、E、F、G、H，8個(gè)功能模塊。首先，需要選取我們最關(guān)注的衡量指標(biāo)，在電商賣貨的頁面中，按經(jīng)驗(yàn)往往會(huì)關(guān)注的模塊角度有：
• 訪問用戶中有多少人點(diǎn)了此模塊(點(diǎn)擊 UV 占比);
• 點(diǎn)了的人又有多少人最終購買了(點(diǎn)擊轉(zhuǎn)化率)。

所以可以據(jù)此建立橫縱為點(diǎn)擊 UV 占比，縱軸為點(diǎn)擊轉(zhuǎn)化率的矩陣，用以評(píng)估功能模塊的價(jià)值，具體見下圖。

 

△ 模塊價(jià)值矩陣分析

 

矩陣中，右上的模塊點(diǎn)擊多轉(zhuǎn)化高，這里為「PMF 區(qū)(需求契合點(diǎn))」，最符合用戶購買需求，功能價(jià)值最高，可以固化保留、

右下的模塊點(diǎn)擊少但轉(zhuǎn)化高，這里為「潛力區(qū)」，可能是還沒被用戶注意到，可以嘗試強(qiáng)化吸引更多用戶點(diǎn)擊，有可能能帶來大幅的增長、

左上的模塊點(diǎn)擊多轉(zhuǎn)化低，這里為「需求未滿足區(qū)」，即用戶對(duì)這些內(nèi)容有需求但還無法讓用戶下購買決策，需要解決此路徑阻攔用戶購買的障礙因素、

左下的模塊點(diǎn)擊少轉(zhuǎn)化低，這里為「廢棄區(qū)」，各方面價(jià)值都不高，可以考慮砍掉了。

小結(jié)一下，價(jià)值矩陣的主要使用步驟為：

• 有多個(gè)需要衡量的因素;
• 明確衡量這些因素最關(guān)鍵的 2 個(gè)指標(biāo);
• 以這 2 個(gè)指標(biāo)為橫縱軸，并將每個(gè)因素放到矩陣中去;
• 對(duì) 4 個(gè)象限的因素提出下一步的解決方案。

2. 目標(biāo)驗(yàn)證模型OSM：通過數(shù)據(jù)驗(yàn)證策略有效性

OSM(Objective 目標(biāo) – Strategy 策略 – Measurement 衡量)思路是所有做數(shù)據(jù)驅(qū)動(dòng)項(xiàng)目中必不可少的一個(gè)思路，即：明確增長目標(biāo) – 圍繞達(dá)成目標(biāo)而采取的策略 – 使用具體的數(shù)據(jù)指標(biāo)衡量策略是否有效/目標(biāo)的達(dá)成情況。

明確增長目標(biāo)(Objective)

根據(jù)產(chǎn)品增長生命周期所在階段確定。

• MVP 階段：最小可行性產(chǎn)品期，進(jìn)行最小化增長試驗(yàn)，尋找 PMF 功能。
• 產(chǎn)品和市場(chǎng)匹配階段：提升用戶黏性(使用頻次)和用戶體驗(yàn)。
• 快速擴(kuò)張階段：推廣渠道和產(chǎn)品的匹配，對(duì)高質(zhì)量的渠道進(jìn)行大規(guī)模的資源投入。
• 成熟期：探索新的增長機(jī)會(huì)和方向，如國際化等。

 

△ 產(chǎn)品生命周期

 

根據(jù)價(jià)值矩陣分析法確定。在前面已詳細(xì)講解過，可以用于業(yè)務(wù)線、產(chǎn)品功能、渠道質(zhì)量等的價(jià)值綜合評(píng)估，從而確立目標(biāo)(橫縱軸指標(biāo)結(jié)合大的業(yè)務(wù) KPI 來確定)。

當(dāng)然，還有一種更加普遍的做法：直接從業(yè)務(wù)/項(xiàng)目的關(guān)鍵 KPI 得來。(往往是已經(jīng)非常成熟的業(yè)務(wù)模式)

圍繞目標(biāo)制定增長策略(Strategy)

先進(jìn)行目標(biāo)拆解：3 種拆解方法。

杜邦指標(biāo)拆解：杜邦分析法(DuPont Analysis)是利用幾種主要的財(cái)務(wù)比率之間的關(guān)系來綜合地分析企業(yè)的財(cái)務(wù)狀況。具體來說，它是一種用來評(píng)價(jià)公司盈利能力和股東權(quán)益回報(bào)水平，從財(cái)務(wù)角度評(píng)價(jià)企業(yè)績效的一種經(jīng)典方法。其基本思想是將企業(yè)凈資產(chǎn)收益率逐級(jí)分解為多項(xiàng)財(cái)務(wù)比率乘積，這樣有助于深入分析比較企業(yè)經(jīng)營業(yè)績。

 

△ 金融領(lǐng)域的杜邦拆解法(來源于百度圖片)

 

放到互聯(lián)網(wǎng)/電商產(chǎn)品分析中，也是同理，即將目標(biāo)指標(biāo)進(jìn)行一級(jí)一級(jí)拆解，每一個(gè)細(xì)化的指標(biāo)都可以提出相應(yīng)的具體增長策略出來：

• 總銷售額 GMV = 訂單數(shù) × 客單價(jià)
• 訂單數(shù) = 訪問 UV × 訂單轉(zhuǎn)化率
• 訪問 UV = 新用戶 UV + 老用戶 UV
• 新用戶 UV = 渠道投放入口曝光 UV × 曝光點(diǎn)擊率 CTR

 

△ 電商場(chǎng)景下的杜邦拆解圖

 

AARRR 用戶增長模型拆解：此模型在各大網(wǎng)站中已經(jīng)被反復(fù)提到，主要是用于用戶增長語境下。放到電商語境下進(jìn)行拆分，則可從拉新 Acquisition> 激活 Activation> 轉(zhuǎn)化 Revenue> 留存 Retention> 推薦 Refer，5 大完整的閉環(huán)流程中分階段發(fā)力去挖掘用戶增長的機(jī)會(huì)點(diǎn)，每個(gè)環(huán)節(jié)都可以作為不同業(yè)務(wù)部門負(fù)責(zé)的增長目標(biāo)。

 

△ AARRR電商語境下的增長模型

 

漏斗路徑拆解：漏斗模型也是一個(gè)比較常規(guī)的拆解模型，一般可按照流程的先后順序，從目標(biāo)流程中的起點(diǎn)(如打開頁面)，一直到最后目標(biāo)完成(如支付成功)。整個(gè)過程中，依據(jù)每個(gè)環(huán)節(jié)的到達(dá)量和流失率，來評(píng)估每個(gè)環(huán)節(jié)的好壞。據(jù)此來找到當(dāng)前需要重點(diǎn)發(fā)力去提升的環(huán)節(jié)，最終達(dá)到目標(biāo)值的增長。

衡量拆解后的目標(biāo)：使用 ROI(投入-產(chǎn)出)決策框架確定細(xì)化增長方向。

當(dāng)我們拆解之后，會(huì)發(fā)現(xiàn)有很多個(gè)增長選項(xiàng)，但資源有限，如何選擇一個(gè)最優(yōu)的增長方向投入資源呢，這時(shí)候就可以使用 ROI 決策框架進(jìn)行優(yōu)先級(jí)判斷，將資源聚集在投入產(chǎn)出比最高的目標(biāo)方向上。

建立橫軸為投入，縱軸為產(chǎn)出的 9 個(gè)矩陣，1-9 個(gè)區(qū)域依次代表項(xiàng)目的優(yōu)先級(jí)，1 為投入產(chǎn)出最高，9 為投入產(chǎn)出最低。

 

△ 用ROI決策矩陣衡量投入產(chǎn)出

 

圍繞小目標(biāo)發(fā)散具體策略：到達(dá)此步時(shí)，已經(jīng)完成了由大目標(biāo)到多個(gè)小目標(biāo)了，接下來，就可以圍繞小目標(biāo)進(jìn)行解決方案的發(fā)散，組織頭腦風(fēng)暴會(huì)議、思維導(dǎo)圖列舉等都是可行的方法。

選擇具體的衡量指標(biāo)(Measurement)

很多情況下，衡量指標(biāo)可以直接從細(xì)化的小目標(biāo)得來，比如用杜邦拆解來的直接就已經(jīng)是「廣告入口的曝光點(diǎn)擊 CTR」之類具體的衡量指標(biāo)了。

但還有一些場(chǎng)景，目標(biāo)并不是具體的指標(biāo)，我們就需要將目標(biāo)轉(zhuǎn)化為指標(biāo)，這時(shí)候可以用到現(xiàn)象-指標(biāo)關(guān)聯(lián)法：具體的做法是將我們期望出現(xiàn)的「現(xiàn)象」描述出來，然后轉(zhuǎn)化為「指標(biāo)」。假設(shè)有一個(gè)目標(biāo)是「提升頁面內(nèi)容對(duì)用戶的吸引力」轉(zhuǎn)化過來，其實(shí)就是讓用戶看更多內(nèi)容，具體的指標(biāo)就對(duì)應(yīng)了用戶的瀏覽頁面深度，以及在頁面中的停留時(shí)長。

在選擇數(shù)據(jù)指標(biāo)的時(shí)候，可以參考定義衡量指標(biāo)的 SMART 原則：

• Specific 具體的
• Measurable 可衡量的
• Attainable 可達(dá)成的
• Relevant 和大目標(biāo)相關(guān)的
• Time Bound 時(shí)效型

最后一步就是進(jìn)行結(jié)果衡量了，這一步可以回到前面的數(shù)據(jù)采集和整體的過程，然后選擇合適的對(duì)比對(duì)象進(jìn)行對(duì)比，最終衡量目標(biāo)的完成度，以及每個(gè)細(xì)化策略的有效性，得出最終數(shù)據(jù)結(jié)論。