分析原因在我看來分成兩個步驟。

第一個步驟，縮小問題范圍。問題集中在集中表現(xiàn)在哪個方面？

第二個步驟，找到根本原因。問題究竟是什么原因導致的？.

這樣說大家可能不好理解，我舉一個例子。

某天，小明覺得肚子痛，醫(yī)生首先要確定的是，肚子痛到底集中在哪個部位？

醫(yī)生通過檢查之后發(fā)現(xiàn)小明肚子痛實際上是胃痛，這個過程就把疼的范圍從肚子縮小到了胃。這就是縮小范圍。

但只知道這一步還不夠，第二步醫(yī)生需要解決的事情是為什么會胃痛？到底是胃潰瘍，胃炎，還是其他什么什么疾?。窟@一步是找到根本原因。

只有完成第二步的分析完成了才能夠對癥下藥，所以在找出原因的過程，我們需要完成上述的兩個步驟。

今天呢，我先聊一下第一個步驟 —— 縮小問題范圍。

為什么我們首先要縮小問題范圍，還不是直接解決問題呢？

如果你的領導布置任務的時候說：我們一要加強渠道推廣，二要優(yōu)化用戶體驗，三要加強團隊建設，四要做好售后服務。

你會是什么感覺？

我們會覺得基本上這些話跟廢話沒有區(qū)別，這樣的要求更像是一種口號，它并不能落地。

好在是商業(yè)問題是存在二八現(xiàn)象的。

80%的收入由20%的用戶產(chǎn)生。尤其是游戲業(yè)務，當付費金額下降的時候，處理好高價值用戶，要比整體的付費提升更加精準有效。

由于二八定律的存在，所以我們只要解決這20%，我們就能解決大部分的問題。

而且企業(yè)的資源是有限的，這個資源包括人力，資金，時間等等。

企業(yè)同時要解決問題非常的多，像上面的例子中，渠道推廣、用戶體驗、團隊建設、售后服務等都是需要解決的問題。但解決了其中一個，就沒有精力解決另一個。所以，由于資源的限制，我們需要將問題集中在。最能產(chǎn)生效益的事情上。

由于二八定律的存在，和資源的限制。我們集中資源做一件事，解決大部分問題。這種做法最高效的。

那么，我們究竟如何將問題縮小到一個更小的范圍呢？

簡單地說就是細分+對比

如何細分？

第一種，指標的組成成分的拆分。

一個復雜指標無法直接影響。

專題類分析要解決的指標往往是結果指標，比如說我要解決銷售額的問題。

那你不可能說銷售額太低了，我們要把它做高。

這樣的分析結果對于業(yè)務方來說完全是廢話，銷售額這個東西的決決定因素太復雜了，正是不知道該怎么做搞才找到分析師的啊。

業(yè)務方想知道的是，要做高銷售額，現(xiàn)在最優(yōu)先要解決的具體問題是什么？

所以我們要將銷售額拆分成我們業(yè)務方能夠理解并且能夠影響的指標。

比如銷售額=用戶量×轉化率×客單價。

這是經(jīng)典的銷售額拆分方法，提高細分的指標，相比提升銷售額這種復雜的指標要更容易落地。

比如最后分析發(fā)現(xiàn)是用戶量下降導致的銷售額下降，那么提升用戶量，我們可以通過拉新、促活、召回。這些都有很成熟的方案，很容易落地。

拆分成不同的指標的好處也可以讓業(yè)務方的分工更加明確。

有些人負責提高轉化率，有些人負責提高客單價。

如果每個人的最終目標都是為了提升銷售額。那么就有點吃大鍋飯的感覺。

最后數(shù)據(jù)有提升也說不清楚，到底是你帶來的，還是我?guī)淼摹?/p>

所以必須先把結果指標，拆分成可落地的細分指標。

第二種，維度的拆分

第二種拆分方法是給指標加上維度，拆分不同維度下指標的表現(xiàn)情況。

還是以銷售額舉例子，我們可以將銷售額這一個指標拆成不同的維度。

最常見的，并且往往第一步要做的拆分方法是以時間為維度進行拆分，比如不同日期的銷售額的變化情況。

時間維度的拆分，不管對于數(shù)據(jù)異動類的分析，還是現(xiàn)狀優(yōu)化類的分析都是非常有用的。

比如異動類的分析，我們通過時間維度，可以找出數(shù)據(jù)異動究竟是突發(fā)的，還是持續(xù)性的。

如果是突發(fā)的，那么有可能是數(shù)據(jù)本身的異常、或者說出現(xiàn)了比較大的業(yè)務動作。

而持續(xù)性的數(shù)據(jù)變化，那么往往是業(yè)務問題，比如行業(yè)問題、競品的影響、產(chǎn)品功能體驗不佳等。這又可以縮小我們的問題范圍。

對于現(xiàn)狀優(yōu)化類的分析，我們按照時間去拆分。往往有一些時段會高一些，有一些時段低一些。

那么我們能不能看一下高的時段，他為什么高，低的時間段為什么低。從而總結出好的經(jīng)驗。

除了時間，我們還可以按其他維度，比如按照品類區(qū)分，看一下不同品類銷售額的差別。也可以按照用戶類型區(qū)分，新用戶老用戶，或者高價值低價值，各自的銷售額有沒有變化。

這里的維度可以自由發(fā)揮，但是沒有業(yè)務邏輯的拆分是很難得出結論的。

什么是業(yè)務邏輯？

如果我們從時間維度發(fā)現(xiàn)，銷售額是突然下降的。那么我們會懷疑是不是數(shù)據(jù)出問題了。這類數(shù)據(jù)問題，可能是產(chǎn)品問題導致的，比如某個按鈕的跳轉失靈了。或者數(shù)據(jù)傳輸?shù)膯栴}，某個服務器的日志丟了。

有了這樣的業(yè)務假設，我們通過APP版本、服務器地址等的維度拆分可以排查出來。

但如果數(shù)據(jù)是持續(xù)性下降的呢？這種一般都是由于業(yè)務出現(xiàn)了問題。

這種情況下如果你還按照APP版本、機型去拆分，基本都是做無用功。會得出一些不痛不癢的數(shù)據(jù)結果。

我們的判斷是業(yè)務出了問題，那么就要按照業(yè)務問題去拆分，可以從外部到內(nèi)部，先看看行業(yè)整體情況，再看內(nèi)部的問題。

要做拆分找原因，必須要有業(yè)務假設。不要覺得維度拆得多就一定找的到答案，很可能只是做無用功+把問題搞復雜。

第三種，流程上的拆分--漏斗分析

如果要指標是一個固定的流程產(chǎn)生的，那么我們可以用流程的拆分，最常見的就是漏斗分析。

比如說我們要拆分銷售額，并且發(fā)現(xiàn)是轉化率有問題，那么我們可以繼續(xù)將轉化率繼續(xù)拆分。

常見的，比如說用戶的購買轉化，需要先看到商品，然后在商品頁做一定的停留，在點擊購買，在支付最后支付成功。

這條鏈路，如果說我們發(fā)現(xiàn)用戶在商品頁的流失很高，那么也就是說明用戶在商品頁上存在了問題。

至于為什么在商品也流失率很高，這是后續(xù)要解決的事。分析原因的第一步到這也就基本完成了。

這三種方式并沒有一個固定的公式。

比如說在游戲的付費分析當中。如果發(fā)現(xiàn)付費的金額下降了，那么我們進行分析。

可以先按照組成指標拆分，人數(shù)、轉化率、客單價三個指標，前兩個沒什么變化，客單價下降比較多。

那么我們可以繼續(xù)將客單價的分布畫出來，發(fā)現(xiàn)rmb玩家的金額在下降。那么可以基本鎖定問題。

換一種思路，如果該公司日常就有將用戶按照付費價值分類的做法，那么分析也可以從維度拆分。

將付費金額拆分成，普通用戶付費金額+rmb玩家付費金額。

這一步會找出rmb玩家付費金額的問題。

再對rmb玩家付費金額做指標拆分，看看到底是人少了，還是客單價低了。

這兩種方式最終得出的結論都是一樣的。

分析原因的核心就是拆解，但最大的問題是拆解什么。

分析原因說起來很簡單，通過拆分+對比就可以縮小問題范圍，但拆分的最大問題在于到底按什么維度去拆。

記住一點，拆分一定要帶業(yè)務邏輯。

即使是對問題完全沒有頭緒，只能拆分多種維度先對問題一次摸底的情況下，也要列出每個維度能驗證的東西。比如我們?yōu)槭裁匆凑諘r間去拆分，因為按照時間去拆分可以初步判斷問題的性質。如果是流量分析，我們可以對渠道進行拆分，因為渠道的質量不同，我們可以先對渠道分類再進行分析，結果更加精準。每一次維度的拆分一定是要解決一個問題，切忌不要盲目加維度拆解。

總結

本文講了如何縮小問題的范圍。當我們知道了銷售額不高的原因主要是因為轉化率不高之后，我們離最終優(yōu)化改進已經(jīng)很接近了。

我們還需要知道一件事是為什么不高。究竟是因為價格太高，還是因為產(chǎn)品吸引力不足？不知道這個根本原因，就無法進行下一步的優(yōu)化。

-END-