[[386243]]

本文轉(zhuǎn)載自微信公眾號(hào)「數(shù)據(jù)萬(wàn)花筒」，作者數(shù)據(jù)打工人森夏恩。轉(zhuǎn)載本文請(qǐng)聯(lián)系數(shù)據(jù)萬(wàn)花筒公眾號(hào)。

平均值是數(shù)據(jù)分析中常用的方法，是利用特征數(shù)據(jù)的平均指標(biāo)來(lái)反映業(yè)務(wù)目前所處的位置和發(fā)展水平。平均值雖好，但是它真的可以反應(yīng)業(yè)務(wù)的真實(shí)形態(tài)嗎?答案當(dāng)然是否定的。平均值很容易抹平個(gè)體之間的差異，因此很多時(shí)候個(gè)體暴露的問(wèn)題很難從平均值中得到體現(xiàn)，所以說(shuō)平均值并不是最優(yōu)解。

一、為什么平均數(shù)不是最優(yōu)解

舉幾個(gè)例子來(lái)說(shuō)，郭敬明和姚明的身高的平均值是190.5cm，那我們可以認(rèn)為國(guó)人的平均身高是190.5cm嘛?

在舉個(gè)例子來(lái)說(shuō)，馬云的財(cái)富值是4377億元，而小編的財(cái)富值只有1萬(wàn)元，我和馬云財(cái)富的平均值是2189億元，這樣一算小編好像也可以躋身富豪榜了，但真的是這樣的嘛?這顯然不能以這個(gè)平均值代表小編的收入水平，更不能代表國(guó)民收入水平。

同樣的案例，2019年人均國(guó)民收入10410美元，你又被平均了嗎?“二八法則”在現(xiàn)實(shí)生活中還是普遍存在的，20%的人掌握了80%的財(cái)富，馬云這樣的富豪拉高了我們的收入水平，所以平均值很多情況下會(huì)抹平個(gè)體之間的差異，使得個(gè)體層面的信息很難在數(shù)據(jù)層面有展現(xiàn)，因此平均數(shù)雖然方便，但是在很多情況下并不是最優(yōu)解!

二、結(jié)構(gòu)化分析是什么

平均數(shù)容易掩蓋個(gè)體差異，很多情況下業(yè)務(wù)的真實(shí)情況都會(huì)被平均數(shù)，因此相比平均數(shù)，結(jié)構(gòu)化分析能夠更好地看出各類用戶之間的差異。結(jié)構(gòu)化分析換句話說(shuō)就是用戶分箱，即將圈定的用戶群體按照組成成分或付費(fèi)金額等維度劃分區(qū)間對(duì)其進(jìn)行分組，而后討論每一個(gè)組別之間的差異，這就是結(jié)構(gòu)化分析。

2.1 以DAU變化為例詮釋結(jié)構(gòu)化分析

結(jié)構(gòu)化的分析思想在數(shù)據(jù)指標(biāo)異動(dòng)分析模塊就有體現(xiàn)，我們還是以DAU為例講一講結(jié)構(gòu)化分析，讓大家更加清晰地理解結(jié)構(gòu)化分析。

近七天的DAU逐漸走低，看到這個(gè)現(xiàn)象之后想要定位DAU持續(xù)走低的原因，這時(shí)候就可以用到結(jié)構(gòu)化分析，即按照DAU的組成成分分析，定位到底是哪一部分的人數(shù)減少。這個(gè)例子當(dāng)中，我們將DAU拆解成新用戶和老用戶之后，發(fā)現(xiàn)這七天新用戶占比基本不變，而老用戶占比持續(xù)減少。老用戶占比持續(xù)走低是DAU持續(xù)下降的原因，說(shuō)明用戶粘性不好，可以告訴老板應(yīng)該推出一些激勵(lì)活動(dòng)刺激用戶，提升用戶粘性!

2.2 以營(yíng)收分析為例詮釋結(jié)構(gòu)化分析

在營(yíng)收付費(fèi)方面結(jié)構(gòu)化分析就更加常用了，因?yàn)榻?jīng)常存在20%的用戶貢獻(xiàn)了80%收入的情況，所以對(duì)用戶進(jìn)行分箱處理進(jìn)而進(jìn)行結(jié)構(gòu)化分析是非常重要的，最終可以朝著實(shí)現(xiàn)用戶分層運(yùn)營(yíng)的方向努力!

對(duì)于營(yíng)收方向的的結(jié)構(gòu)化分析，一般情況下通過(guò)用戶的付費(fèi)金額對(duì)用戶進(jìn)行分組并貼上標(biāo)簽，然后在計(jì)算每一個(gè)組別的用戶占比。用統(tǒng)計(jì)學(xué)的術(shù)語(yǔ)來(lái)說(shuō)就是統(tǒng)計(jì)用戶付費(fèi)情況的分布，即各個(gè)標(biāo)簽下用戶的分布情況。

通過(guò)統(tǒng)計(jì)結(jié)果，我們可以發(fā)現(xiàn)5%的頭部用戶貢獻(xiàn)了75%的營(yíng)收，和“二八法則”描述的情況非常相似，只不過(guò)這個(gè)例子中頭部用戶的購(gòu)買(mǎi)力更強(qiáng)!

有了上述的用戶標(biāo)簽和用戶付費(fèi)分布之后，對(duì)于業(yè)務(wù)的監(jiān)控、業(yè)務(wù)波動(dòng)原因的定位以及業(yè)務(wù)提升的建議等都是非常用幫助的。

這里舉個(gè)例子進(jìn)行說(shuō)明，某段時(shí)間，業(yè)務(wù)營(yíng)收數(shù)據(jù)出現(xiàn)了下滑，數(shù)據(jù)分析師們就可以通過(guò)結(jié)構(gòu)化分析定位下滑的原因并給出一些合理的意見(jiàn)和建議。通過(guò)結(jié)構(gòu)化分析我們可以發(fā)現(xiàn)營(yíng)收下滑的原因是中R用戶數(shù)量出現(xiàn)下滑，提升中R用戶數(shù)量是增加營(yíng)收的關(guān)鍵。

三、如何更加高效地做結(jié)構(gòu)化分析

看到這里，你是不是你也覺(jué)得結(jié)構(gòu)化分析比平均數(shù)好用多了，可以看出各個(gè)層級(jí)的用戶在相關(guān)維度上的特征，方便地定位業(yè)務(wù)波動(dòng)的原因給出業(yè)務(wù)合理的意見(jiàn)和建議。結(jié)構(gòu)化分析涉及到了用戶分箱、用戶標(biāo)簽、指標(biāo)體系和報(bào)表體系等多方面的知識(shí)，如何高效快捷成體系地應(yīng)用結(jié)構(gòu)化分析是我們值得思考的一個(gè)問(wèn)題。

其實(shí)結(jié)構(gòu)化分析并不需要每次都從頭開(kāi)始做，我們完全可以將其固化為監(jiān)控報(bào)表即可。當(dāng)然在做報(bào)表之前，我們需要確定研究的對(duì)象，到底是以人還是貨亦或訂單為研究對(duì)象;其次選定監(jiān)控指標(biāo)，確定是要研究用戶活躍還是用戶付費(fèi)亦或其他指標(biāo);然后根據(jù)業(yè)務(wù)含義對(duì)數(shù)據(jù)進(jìn)行分箱處理，對(duì)用戶打上分類標(biāo)簽;最后選取合適的數(shù)據(jù)維度對(duì)不同層級(jí)的用戶進(jìn)行監(jiān)控，沉淀為一張張的報(bào)表。

最終結(jié)構(gòu)化分析還是回歸到了數(shù)據(jù)報(bào)表，遇到問(wèn)題時(shí)就不需要在做臨時(shí)取數(shù)，也不需要額外占用其他時(shí)間去分析了。從另一個(gè)層面來(lái)說(shuō)，結(jié)構(gòu)化分析是一種分析方法，更是數(shù)據(jù)指標(biāo)體系的一環(huán)，只要指標(biāo)體系做得足夠好，數(shù)據(jù)分析師的臨時(shí)取數(shù)需求就能變少。說(shuō)到這里，你不難發(fā)現(xiàn)其實(shí)數(shù)據(jù)分析的大多數(shù)方法論都是用一組有邏輯的指標(biāo)，梳理清晰的標(biāo)桿，長(zhǎng)期監(jiān)控業(yè)務(wù)變化，從而可以快速定位業(yè)務(wù)問(wèn)題得出結(jié)論!

參考文章

https://mp.weixin.qq.com/s/kZ8mdaAqJPRnABljijuhsQ