沃卡惠移动端logo

沃卡惠  行业资讯

资讯详情

数据分析的经典方法之:结构分析法

2023-10-30 09:28:364636

你是不是觉得,平时做的日、周、月、季、年报没啥用?

每天麻木地更新,发出来也没人看,需要数的时候还是临时取数?

因为光有数据,没用配解读数据的方法!

数字要读出含义才有价值。结构分析法,就是解读数据的一种简单、快捷的方法,也是数据分析师的祖传手艺。

从人见人厌的平均数说起

人们天生讨厌平均数,总觉得用平均数很扯淡,有种“我和姚明平均身高,有毛用”的感觉。但是反问:为啥平均数这么不好用,但是大家还喜欢用呢?

因为:方便。

举个最简单的例子:

已知1:客户需要5万件产品

已知2:生产线平均每天生产5千件

问:需要生产几天

答:10天

虽然可能实际上是一天4879件,但是无所谓,这点偏差并不影响整体决策。用平均数来计算数量,安排人力物力,分配资源预计进度,都是很方便的。特别是在供应链一侧,生产能力、物资消耗、配送时间,是相对固定的,波动不大。因此非常好用。

但在营销侧,情况就变了。

营销侧更流行二八法则:

20%客户贡献80%收入

20%产品创造80%利润

20%销售赢得80%订单

这种情况非常普遍。

因此,当业务数据很均衡、稳定的时候,可以直接上平均数,当业务数据分布差异巨大的时候,就得看分布结构了,这就是结构分析法的起源:去平均化,发现内部问题(如下图)。

图片

结构分析法如何做

结构分析法的做法:

第一步:明确对象。

要观察结构的目标,是用户、商品、渠道、产品……选好目标。

第二步:找到指标。

比如已选定观察用户,再定清楚,要观察的是用户的付费、活跃、注册时间、区域分析……哪个指标。这里特备要杜绝面面俱到。整得太复杂,不但提取数据很麻烦,看数据的人也没心思看。最好抓核心指标。 

第三步:分层观察。

一讲到观察,做数据的同学们习惯性想到箱型图。没错,箱型图是观察结构的方法——但是业务部门看不懂呀。想要解放人力,方法越直观越好。因此推荐用下边两种分法,一眼就看明白。  

第四步:总结形态。

还拿用户结构举例,我们的用户是大R型,还是大DAU型。直接决定了后续运营方向:是继续大量淘沙,还是小火慢炖,服务好大多数人。

同时,如果已经有业务上的标杆,标杆的结构,可以作为判断依据。

我们希望发展高端用户,所以A类用户占比必须到20%

我们的标杆门店,A类用户占比就是20%,所以其他店也要做到20%!

我们的商业模式就是大浪淘沙,所以每批新用户中A类用户占比必须为20%

这种简单直接的判断,对于提高日常报表使用率,非常有用!

结构分析法如何用

使用场景1:快速理解陌生的用户/商品/渠道情况。

比如实体企业,到一个地方巡店,看客户结构,看商品陈列比例

比如互联网企业,看渠道流量时间分布,看转化人数

都是只用几个指标,能快速反推整体情况,发现问题,这样的工作效率非常高。

使用场景2:监测用户/商品/渠道健康度变化

对稳定的业务而言,没事发生就是好事,稳定的结构代表问题不大

对新增业务而言,越快贴近理想结构,发展越好

这样有了明确的标准,就不会因为短期波动而纠结,集中精力办大事。

使用场景3:监测重大政策上线效果

对内部观察:是否政策起到正向推动

对外部观察:是否引发关键群体的波动

这样能利用常规报表,快速锁定问题点,后续也不用拖一堆无关维度出来交叉交叉再交叉,应急的时候响应速度更快。

图片

以上工作完全可以靠常规报表搞掂,不需要临时取数,不需要额外占用数据分析师的时间。因此非常好使唤。

小结

类似的方法,还有矩阵分析法、趋势分析法、漏斗分析法。这些方法的共同点,就是:用一组有逻辑的指标,树立清晰的标杆,长期监控业务变化,从而快速得出结论。这些方法再和报表结合,就能极大提升工作效率。业务部门能定位到问题,数据分析师能解放工作量,这样才能做更深入的分析。

有趣的是,现在市面上流行的做法:

问:你要怎么分析DAU下降30%呀?

答:从基本特征、来源渠道,DOU/DNU等等维度拆拆拆,肯定能拆到某两个柱子差异好大,就是它了。

这样的做法是很有问题的。

只看时间点,不看走势

只看重大变化,不看细微发展

不找关键维度,闭着眼一个个试

不用固定指标,非整一堆细节指标

这样只会增加大量无效劳动,让业务养成“不看报表,只打电话”的坏习惯。

“喂,为啥又涨了呀”

“喂,为啥又跌了呀”

“喂,为啥涨了又跌呀”

“喂,为啥跌了又涨又跌呀”

……

每天忙着处理这种琐碎问题,啥深入分析,啥建模都别想了。

所以想解放精力,就得把监测体系建好,多利用这种短平快的小方法,多利用固定指标体系和查找机制,这样才能高效率运转。